Aprendizado de representações vetoriais de imagens com redes neurais artificiais para recuperação de produtos do varejo

• Ano de defesa: 2023
• Autor(a) principal: Lima, Gustavo Ramos
• Orientador(a): Mutz, Filipe
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Serra
• Palavras-chave em Português: Inteligência artificial; Redes neurais (computação); Imagens - detecção; Varejo
• Link de acesso: https://repositorio.ifes.edu.br/handle/123456789/3644

A recuperação de produtos a partir de imagens tem múltiplas aplicações, desde o fornecimento de informações e recomendações para clientes em supermercados até a geração automática de faturas em lojas inteligentes. No entanto, esta tarefa apresenta desafios importantes, como o grande número de produtos, a escassez de imagens dos itens, diferenças entre as imagens dos produtos utilizadas durante o treinamento e teste dos modelos e as constantes mudanças no portfólio devido à adição ou remoção de produtos. Trabalhos recentes têm alcançado bons resultados na tarefa de recuperação de imagens com o uso de redes neurais profundas para produzir representações vetoriais de imagens que posteriormente são utilizadas para treinar outros algoritmos de aprendizado de máquina. Contudo, os modelos tendem a sofrer com overfitting quando existem poucas imagens de treinamento para cada classe e, além disso, em alguns casos, os modelos podem precisar ser retreinados sempre que produtos são adicionados ou removidos da base de dados. Assim, este trabalho investiga maneiras de gerar representações vetoriais de imagens usando redes neurais profundas de forma que essas representações possam ser usadas para recuperação de produtos mesmo diante dos desafios supracitados. Foram utilizadas as bases de dados de produtos de mercado Grocery Products, contendo 3287 imagens com qualidade de estúdio para o treinamento e 948 imagens de teste com menor qualidade, e Grocery Store, que possui 81 imagens icônicas de produtos e 2485 imagens de teste em ambiente real. Análises experimentais avaliaram o efeito que a arquitetura de rede, as técnicas de aumento de dados e as funções objetivo usadas durante o treinamento têm na qualidade da representação. A melhor configuração foi obtida com o ajuste fino da arquitetura Densenet-201 na tarefa de classificar produtos usando os métodos Randaugment e Augmix para aumentos de dados, e com o Hierarchical Triplet Loss como uma função de regularização. As representações construídas usando este modelo, levaram a uma acurácia Top-1 de 86,81% e acurácia Top-5 de 93,35% no conjunto de dados Grocery Products e acurácia Top-1 de 21,77% e Top-5 de 49,22% na base de dados Grocery Store.