Foto: Reprodução/YouTube

Seminário abordou a área de computação visual inteligente a partir de resultados de pesquisas do DI e do Instituto Tecgraf

Visão computacional, realidade virtual e realidade aumentada são algumas das vertentes que compõem a computação visual. Mas atualmente, é difícil falar sobre o assunto sem interligá-lo à área de aprendizado de máquinas. “Nos últimos anos, a inteligência artificial, mais especificamente o aprendizado de máquinas, se sobrepôs à computação visual”, disse o professor do Departamento de Informática (DI) da PUC-Rio Alberto Raposo na live “Desafios e oportunidades em computação visual inteligente”, na sexta-feira (19) e disponível no canal do DI no YouTube.

De acordo com o professor, a inserção do machine learning na área de computação visual vem trazendo resultados “melhores e mais surpreendentes”. Nesse sentido, Raposo conduziu a sua apresentação mostrando pesquisas e soluções trabalhadas no DI e no Instituto Tecgraf de Desenvolvimento de Software Técnico-Científico da PUC-Rio, que desenvolve projetos para a indústria. Raposo é gerente de projetos do Tecgraf.

Na live, Raposo apresentou pesquisas voltadas à computação visual inteligente na área médica, como a tese de doutorado de Victor de Almeida Thomaz, defendida em abril de 2020, que retratou o aprimoramento de dados a partir da geração sintética de dados de treinamento para algoritmos de detecção de pólipos. “Com os métodos utilizados no trabalho, conseguimos melhorar as técnicas de detecção [de pólipos] que já existiam, mexendo só nos dados”, explicou.

Raposo trouxe outros exemplos em que a computação visual inteligente se relaciona com a área de imagens médicas, como os projetos realizados em parceria com a GE Healthcare e com o Hospital de Amor (antigo Hospital de Câncer de Barretos). Um desses projetos é a análise automática de ecocardiografia fetal, que pretende desenvolver softwares para ajudar os médicos na detecção precoce de possíveis cardiopatias existentes no feto. Outro projeto é a análise de imagens de mamografia, com o intuito de aprimorar as imagens obtidas por meio desse exame. 

Segundo o professor, todos os trabalhos relacionados às imagens médicas abordam o mesmo problema: a geração de dados dos exames, pois as bases de dados existentes são limitadas e têm pouca variedade. Logo, o aprendizado de máquina busca trabalhar com o aprimoramento desses dados.

Aprendizado de máquina interativo

Outra ramificação da computação visual inteligente é a área de aprendizado de máquina interativo, que também foi abordada na palestra. Segundo Raposo, esse campo conta com a participação do ser humano. “Ele vai ajudar a ensinar o algoritmo de aprendizado de máquina compensando a falta de dados”, explicou. 

Nesse viés, o professor discorreu sobre outra tese de doutorado, desta vez da doutoranda do Programa de Informática da PUC-Rio Jessica Pecho. O trabalho “Uma abordagem baseada no aprendizado de máquina interativo para customização de tecnologias adaptáveis para reabilitação física”, que será apresentado em abril deste ano, aborda o aprendizado de um sistema inteligente por meio de práticas humanas. 

Nesse caso, o sistema Open Pose consegue captar os movimentos de um fisioterapeuta, entendê-los como “corretos” e detectar anomalias (ou seja, movimentos “contrários”) vindas por parte de um paciente.  

Computação visual inteligente na indústria

Além do ramo médico, Raposo trouxe exemplos de projetos que envolvem computação visual inteligente dentro da indústria de petróleo, principalmente para a Petrobras, parceira do Instituto Tecgraf). 

Um dos trabalhos é o SMS 360, que cria ambientes 3D e fotos 360º das locações reais, como plataformas e navios, com o intuito de fazer avaliações mais objetivas da percepção de riscos dos funcionários. Raposo também falou sobre o projeto Segurança em Operações de Mergulho, cuja ideia é aumentar as atividades de mergulho na indústria de óleo e gás, essenciais na produção de petróleo em águas profundas. 

“Como essa é uma área arriscada, na qual ocorrem muitos acidentes, esse projeto quer aumentar a segurança operacional dessa atividade por meio do desenvolvimento de novas tecnologias”, disse o professor, que trouxe como exemplo o desenvolvimento de vestimentas (wearables) inteligentes que ajudam a monitorar os batimentos cardíacos dos mergulhadores. 

Outras teses, como “Automatic image annotation using deep reinforcement learning”, de Leonardo Cruz, e outros projetos do Instituto Tecgraf, como o trabalho que alia inteligência artificial e imagens 3D no combate à Covid-19 apoiado pelo Programa de Combate a Epidemias da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES), também foram apresentados na live. 

Assista ao seminário completo no nosso canal do YouTube, e se inscreva para ser informado das próximas lives!