DAGenerator

O DA Generator é o algoritmo proposto para geração de imagens artificiais a partir de transformações geométricas e de cor.

Em resumo, o projeto tem o intuito de realizar o balanceamento de banco de dados através da técnica do Data Augmentation, em português aumento de imagens. Isto é, construir um grande banco de imagens a partir de uma pequena quantidade de fotografias originais.

📄 Pesquisa

O link abaixo contém o Trabalho de Conclusão de Curso e o Artigo com metodologia composta pelo Algoritmo IAGenerator.

• Trabalho de Conclusão de Curso: Aplicação de Aprendizado Profundo na Classificação de imagens de patologias da construção civil: Análise de Data Augmentation para Bancos de Dados Desbalanceados.

  • Bacharelado em Ciências Exatas e Tecnológicas, Universidade Federal do Recôncavo da Bahia, Junho de 2023.

• Artigo: Aplicacão de Aprendizado Profundo na Classificação de Imagens de Patologias da Construção Civil: Análise de Data Augmentation para Bancos de Dados Desbalanceados.

  • Será publicado e apresentado no Congresso Brasileiro de Inteligência Computacional 2023.
  • Link para acessar esse material: https://sbic.org.br/wp-content/uploads/2023/10/ST15/CBIC_2023_paper063.pdf

Para acessar esse material: https://drive.google.com/drive/folders/1ZkwuPjSWuE02hcQw7Wa_Yb6BWQ0pkfbj?usp=sharing

✔️ Tecnologias utilizadas

• Linguagem: R na versão 4.2.2
• IDE: Rstudio na versão 2022.12.0
• Biblioteca: EBImage na versão 4.42.0

📁 Acesso ao projeto

• Acesse o código fonte inicial ou realize o download através do GitHub.

🛠️ Abrir e rodar o projeto

• Realize o download do R.

  • Link para download da versão 4.2.2: https://cran.r-project.org/bin/windows/base/old/4.2.2/

• Realize o download do RStudio.

  • Link para download da versão 2022.12.0: https://cran.r-project.org/bin/windows/base/old/4.2.2/

• Realize o download do Projeto.

• Acesse a documentação da biblioteca EBImage: https://bioconductor.org/packages/release/bioc/html/EBImage.html

• Instale a biblioteca EBImage.

   if (!require("BiocManager", quietly = TRUE))
             install.packages("BiocManager")
   BiocManager::install("EBImage") 
  

• Clique em source para executar os arquivos de transformação de imagens.

• Clique em source para executar o menu.

• Leia as mensagens do terminal.

• Selecione a transformação através do menu no terminal de comando do Rstudio.

• Selecione a nImage conforme a equação abaixo.

  • Total de imagens = nImage * fotografias originais

• Verifique a geração do Banco Artificial de Imagens.

⚠️ Observações importantes

• Mudar a barra do caminho de cada diretório conforme a sintaxe do R indica

  • C:/Users/meuUsuario/home/imagem (forma correta)
  • C:\Users\meuUsuario\home\imagem (forma incorreta)

• Verificar se as suas imagens originais estão no formato .jpg ou .png, em caso de .jpg modifique a linha 21 de cada arquivo.

• Definir o diretório da pasta das imagens originais e o diretório de destino das imagens artificiais.

• SEMPRE que salvar novas alterações aperte a tecla “Esc” em seguida source .

• Lembre-se o número de imagens no Banco Artificial de Imagens se baseia na equação:

  • Total de imagens = nImage * fotografias originais

🔨 Funcionalidades do projeto

• Aplicar filtros geométricos ou de cor em imagens originais.
• Gerar o Banco de Artificial de Imagens.

📌 Materiais utilizados

• Documentação R: https://www.r-project.org/other-docs.html
• Documentação da Biblioteca EBImage: https://bioconductor.org/packages/release/bioc/html/EBImage.html
• Image Analysis and Processing with R: https://www.youtube.com/watch?v=dKgEDAUUtoo&t=206s
• Curso de Análise computacional de imagens - Prof. Alcinei Azevedo (UFMG): https://youtube.com/playlist?list=PLvth1ZcREyK6QXKYIpnkmHbbRXSsE53f9&si=48fx9YPsODV_XFFM

📦 Base de Dados

• Dataset utilizado para os experimentos:

  • Concrete Crack Images for Classification: https://data.mendeley.com/datasets/5y9wdsg2zt/2
    • Autor: Çağlar Fırat Özgenel
    • Classes: Parede e Rachadura
    • Artigo: https://doi.org/10.22260/ISARC2018/0094

• Dataset utilizado para testes:

  • Crack Recognition dataset: https://drive.google.com/drive/folders/1cplcUBmgHfD82YQTWnn1dssK2Z_xRpjx
    • Autor: Yang
    • Classe: Rachadura
    • Artigo: https://doi.org/10.1111/mice.12412
  • Crack detection for masonry surfaces: https://github.com/dimitrisdais/crack_detection_CNN_masonry
    • Autor: Dimitris Dais, İhsan Engin Bal, Eleni Smyrou, Vasilis Sarhosis.
    • Classe: Rachadura
    • Artigo: https://doi.org/10.1016/j.autcon.2021.103606

• Dataset EXTRA:

  • Concrete Crack Conglomerate Dataset: https://data.lib.vt.edu/articles/dataset/Concrete_Crack_Conglomerate_Dataset/16625056?file=30930337
    • Autores: Eric Bianchi, Matthew Hebdon
    • Classe: Rachadura
    • Artigo: https://doi.org/10.7294/16628596.v1

✒️ Autores

Laís Cardoso de Medeiros

Responsável pela Pesquisa e o Desenvolvimento do Algoritmo DAGenerator, Laís Cardoso de Medeiros é Bacharela em Ciências Exatas e Tecnológicas (2023) e estudante de Engenharia na Computação na Universidade Federal do Recôncavo da Bahia (UFRB). Além disso, atua como pesquisadora nas áreas de Robótica e Inteligência Artificial no grupo de pesquisa Robotics and Artificial Intelligence (RAI) criado no Centro de Ciências Exatas e Tecnológicas (CETEC).

André Luiz Carvalho Ottoni

Responsável pela Orientação do Projeto, André Luiz Carvalho Ottoni é Doutor em Engenharia Elétrica pela UFBA (2022) com Graduação (2015) e Mestrado (2016) em Engenharia Elétrica pela UFSJ. Além disso, tem Formação técnica em Planejamento e Gestão em Tecnologia da Informação pelo CEFET-MG e atua como Professor Adjunto no Centro de Ciências Exatas e Tecnológicas (CETEC) da Universidade Federal do Recôncavo da Bahia (UFRB). Tópicos de pesquisa: Inteligência Artificial, Aprendizado de Máquina, Aprendizado Profundo, Aprendizado por Reforço e Robótica Inteligente.

💰 Financiamento

O algoritmo DAGenerator é um produto do Projeto de Iniciação Científica "Aplicação de aprendizado profundo na classificação de patologias em imagens da construção civil" com bolsa financiada pela Fundação de Amparo à Pesquisa do Estado da Bahia (FAPESB) - Pedido Nº 4153/2022.