A proposta é justamente o uso de técnicas de aprendizado ativo para acelerar a fase de treinamento. Com isto, exploraremos automaticamente quais características terão a máxima utilidade no treinamento. Essa é uma abordagem atraente em cenários com altos custos para obter os rótulos das classes (classificação feita por especialistas), devido ao esforço humano necessário.

Em nosso sistema, o operador humano (médico/especialista) é ajudado a se concentrar nas amostras de rotulagem próximas aos limites da classe, ou seja, aquelas que estão no limiar de confusão entre as classificações. Isso não apenas melhora a taxa de convergência da aprendizagem, mas também reduz o número de amostras rotuladas, contribuindo para acelerar o treinamento. Após algumas amostras iniciais de categorias selecionadas por médicos/especialistas para iniciar o processo de aprendizado, outras são selecionadas automaticamente no fluxo de imagens online com base na proximidade com os limites das categorias de materiais.

O princípio é consultar os rótulos de alguns pontos que podem ser particularmente importantes para os limites da decisão. Dessa forma, há a necessidade de “evolução de recursos” e uma forte justificativa para o uso técnicas mais avançadas. As aparências dos tecidos variam, os conjuntos de amostras rotulados são pequenos, portanto, o foco deve estar nos limites das categorias. Nossa abordagem de consulta por comitê usa o reforço para selecionar as amostras para as quais o possível desacordo é maior. O aumento aprimora o desempenho executando o algoritmo várias vezes em dados filtrados novamente e combinando as hipóteses de saída para fazer uma melhor previsão.

A solução consiste em um aplicativo para detecção de câncer de pele, nos seus mais diversos tipos.

Através do aplicativol, o usuário tem acesso a funcionalidade que utiliza a câmera do dispositivo para escanear a pele e posteriormente envia-la para que a mesma seja processada por um modelo treinado, o qual exibe uma predileção.

Durante a fase de aprendizado do algoritmo, os especialistas forneceram suporte técnico para rotular as imagens de acordo com a presença do câncer de pele ou não.