Cauê Bittencourt Ângelo dos Santos

Qualificação

Explicabilidade em Reconhecimento de Comportamentos Pruriginosos Caninos por Análises Espaciais, Anatômicas e Temporais

Resumo

No contexto da saúde e do bem-estar animal, o acompanhamento de comportamentos ao longo do tempo pode fornecer informações relevantes sobre alterações no estado do animal. Modelos de aprendizado profundo têm ampliado as possibilidades de reconhecimento automatizado em vídeo e alcançado elevado desempenho em diferentes tarefas visuais. Entretanto, o desempenho preditivo de um modelo não revela, por si só, quais evidências sustentam suas decisões. Essa limitação é particularmente relevante no reconhecimento de ações em vídeo, em que informações de aparência, postura, regiões corporais, contexto e dinâmica temporal podem contribuir de maneiras distintas para uma mesma classificação. Esta pesquisa propõe investigar empiricamente as evidências associadas às decisões de um modelo de reconhecimento de ações aplicado a comportamentos pruriginosos caninos. O objeto da investigação será um modelo da família X3D, escolha apoiada pela viabilidade observada em uma etapa preliminar do projeto. A análise terá caráter post-hoc e articulará mapas de atribuição, análise por regiões anatômicas definidas com apoio de especialista e obtidas automaticamente ao longo dos clipes, perturbações controladas dessas regiões e avaliações da sensibilidade do modelo a alterações temporais. A distribuição das atribuições entre as regiões anatômicas será quantificada, enquanto os experimentos de perturbação permitirão observar como a modificação dessas regiões afeta a resposta do modelo. Os resultados serão examinados entre diferentes classes, predições corretas e tipos de erro, relacionando os padrões identificados nos mapas às regiões anatômicas, às mudanças observadas após as perturbações e à sensibilidade à organização temporal dos clipes. Espera-se, com isso, produzir uma caracterização empírica e situada dos padrões visuais, anatômicos e temporais associados às decisões do reconhecedor, ampliando sua avaliação para além das métricas de desempenho e contribuindo para uma compreensão mais criteriosa de seu comportamento no contexto do monitoramento de comportamentos caninos.

Palavras-chave

Inteligência Artificial; Aprendizado Profundo; Inteligência Artificial Explicável; Reconhecimento de Ações em Vídeo; Visão Computacional; Comportamento Canino; Prurido.

Membros da Banca

Thales Miranda de Almeida Vieira (Presidente)
UFAL
Marcelo Costa Oliveira (Interno(a))
UFAL
Adriano Oliveira Barbosa (Externo(a) à Instituição)
FUFGD
Afonso Paiva Neto (Externo(a) à Instituição)
USP
Informações da Sessão
Out 22
Data e Hora
Terça-feira, 14:00h
Candidato(a)
Cauê Bittencourt Ângelo dos Santos
Local
https://meet.google.com/pxp-cqpu-dbr