Neste ano ocorreu a 30º edição do British Machine Vision Conference (BMVC). BMVC é uma das maiores conferências internacionais em processamento de imagem e reconhecimento de padrão.

O workshop EMBEDDED AI FOR REAL-TIME MACHINE VISION (EMAI) teve como tema o reconhecimento de padrões e visão computacional voltados para sistemas de tempo real e com baixo poder de processamento. Neste contexto, foram apresentados vários trabalhos com inovações em veículos autônomos, cidades inteligentes, visão computacional voltada à indústria e otimização em redes neurais. O último tema teve um grande foco, visto redes neurais são amplamente empregadas em reconhecimento de padrões visuais e elas vem se tornando computacionalmente caras, uma consequência de arquiteturas mais elaboradas.

Nesse workshop, o doutorando em ciência da computação e membro do Smart Sense, Artur Jordão, apresentou o Paper Pruning Deep Networks using Partial Least Squares, o qual propôs  um novo método para reduzir o custo computacional de redes neurais, com foco em redes neurais convolucionais.

No contexto de reconhecimento de padrões visuais, as redes convolucionais vem alcançando resultados estado da arte em diversas aplicações, por exemplo classificação de imagem, estimação de pose, detecção de objetos e reconhecimento facial. Além disso, em algumas aplicações as redes convolucionais são capazes de alcançar resultados superiores ao dos humanos.

No link a seguir você pode conferir a publicação do Paper:

https://homepages.dcc.ufmg.br/~william/papers/paper_2019_BMVCW_Jordao.pdf

Data: 10/09/2019 até 12/09/2019Local: Cardiff, Wales, UK.
Paper: Pruning Deep Networks using Partial Least Squares
Autores: Artur Jordão, Ricardo Kloss, Fernando Akio e William Robson Schwartz