Análise do impacto da aplicação de métodos de interpolação de imagens na segmentação de lesões de pele usando rede neural convolucional SegNet.

Abstract

Este trabalho tem como objetivo analisar o impacto de diversos métodos de interpolação de imagens nos resultados da segmentação de lesões de pele por meio de redes neurais convolucionais, e avaliar se existe diferença significativa entre os métodos. Para analisar o impacto dos métodos, foi utilizada a base de imagens do ISIC (The International Skin Imaging Collaboration) para treinar a rede neural convolucional SegNet com imagens redimensionadas por cinco diferentes métodos, sendo eles: Vizinho mais próximo, bilinear, bicúbico, Lanczos e Area Sampling. Foram realizados testes preliminares, que apresentaram resultados significativos, considerando a similaridade entre as imagens redimensionadas. Após o treinamento dos modelos da rede SegNet usando as bases de dados redimensionadas, foram encontrados resultados menos expressivos que os testes preliminares levaram a supor, porém congruentes em seu comportamento. Com os resultados obtidos pelos modelos e comparados entre si, foi concluído que existe uma pequena diferença a ser encontrada utilizando diferentes métodos de interpolação e que o método Area Sampling obteve os melhores resultados.