A framework for image segmentation with deep neural models on IoT devices
Ciro Batista Rosa · 2025
Um framework para segmentação de imagens com redes neurais profundas em dispositivos IoT.Tese (Doutorado).Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, 2025.Esta tese de doutorado apresenta um conjunto de ferramentas (framework) eficiente e estruturado para aplicação da técnica conhecida como destilação de conhecimento (knowledge distillation) aplicada ao aprendizado profundo de modelos, com o objetivo de habilitar a segmentação semântica em dispositivos com limitação de recursos.O objetivo central trata da compressão de modelos de alta capacidade (teacher models) para modelos de menor tamanho (student models) otimizados para aplicações em dispositivos tipo Internet das Coisas (IoT).O conjunto de ferramentas proposto inclui um fluxo de trabalho (pipeline) detalhado.Três arquiteturas compactas foram avaliadas sistematicamente: uma variante da rede U-Net, a Mobile-Unet, e a ESPNet.Dentre estas, a ESPNet demonstrou consistência e equilíbrio entre medidores de desempenho para segmentação semântica e eficiência computacional.A destilação através do encoder emergiu como a estratégia mais eficiente.Os resultados obtidos demonstram que um cuidadoso projeto de destilação de conhecimento produz modelos capazes de executar segmentação semântica em tempo quase real, em dispositivos de computação de borda.Palavras-chave: Compressão de modelos.Destilação de conhecimento.Aprendizado de máquina.Aprendizado profundo.Segmentação semântica.Segmentação de imagens.Modelos de visão.