Banca de QUALIFICAÇÃO: MAILSON RODRIGUES DE MEDEIROS GUIMARAES

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : MAILSON RODRIGUES DE MEDEIROS GUIMARAES
DATA : 26/06/2024
HORA: 09:30
LOCAL: meet.google.com/scz-szkc-jbz
TÍTULO:

HASSHIC: Arquitetura de Hardware para Classificação Espacial-Espectral de Imagens Hiperespectrais Através de Segmentação e Aprendizado Profundo.


PALAVRAS-CHAVES:

Sensoriamento remoto; Imagens Hiperespectrais; Redes neurais; Arqui-
tetura de hardware; Acelerador de hardware.


PÁGINAS: 73
RESUMO:

O sensoriamento remoto através da aquisição de Imagens Hiperespectrais (Hyperspectral
Images - HSIs) tem vasta aplicação, seja na agricultura, mapeamento de recursos naturais
e detecção de incêndios. Tais imagens podem ser coletadas a partir de satélites, sendo que
até 2021, 24 plataformas de coleta haviam sido lançadas ao espaço. Aliado a isso, o uso
de algoritmos de aprendizado de máquinas também tem crescido, assim como seu uso no
domínio das HSIs para a classificação de pixels, onde o modelo faz o uso de informações
espectrais, espaciais ou ambas para identificar se aquele pixel, por exemplo, corresponde
a água, vegetação ou outro tipo de material. Dessarte, este trabalho tem como principal
objetivo a implementação, teste e validação de uma arquitetura de hardware para a aplica-
ção em satélites e considerando métricas de potência, acurácia, desempenho, quantização e
alocação de recursos em FPGA. Os resultados devem ser obtidos através de simulações com
uma representação da arquitetura tanto em Python quanto em VHDL, bem como a síntese
do acelerador para FPGA. A arquitetura deve ser capaz de acelerar a classificação de forma
espacial e espectral e possuir um acelerador para a redes convolucionais 1D (espectral) em
FPGA e uma CPU para a segmentação (espacial), consistindo em uma metodologia de
coprojeto hardware/software. A arquitetura também explora a previsibilidade de mudança
dos rótulos dos pixels através do processo de segmentação para possibilitar que a rede
neural atue mesmo antes do fim da segmentação. Os resultados obtidos até o momento
mostram que é possível prever que certos pixels tem até 80% de chance de possuírem seu
rótulo inalterado durante a segmentação, sendo que estes podem ser enviados para a rede
neural mesmo antes da finalização da segmentação. Além disso, a rede neural utilizada
neste trabalho é uma versão modificada de trabalhos anteriores, de forma a simplificar a
implementação em hardware e, mesmo com tais simplificações, a degradação da acurácia
em relação às demais redes foi baixa. Sendo assim, uma vez garantida a realização das
operações na arquitetura, deve-se alcançar bons resultados de acurácia, além de que a
paralelização da segmentaçáo e da rede neural, além do uso de pipeline no acelerador faz
com que a arquitetura possua grande potencial de desempenho.


MEMBROS DA BANCA:
Presidente - 1694485 - MARCIO EDUARDO KREUTZ
Interna - 1882699 - MONICA MAGALHAES PEREIRA
Externo ao Programa - 1837240 - MARCELO AUGUSTO COSTA FERNANDES - UFRNExterno à Instituição - CESAR ALBENES ZEFERINO - UVI
Notícia cadastrada em: 13/06/2024 18:47
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa12-producao.info.ufrn.br.sigaa12-producao