Mostrar el registro sencillo del ítem

dc.contributor.advisorComba, Joao Luiz Dihlpt_BR
dc.contributor.authorOliveira, Leonardo Höltz dept_BR
dc.date.accessioned2024-02-29T04:59:17Zpt_BR
dc.date.issued2023pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/272482pt_BR
dc.description.abstractCom o aumento do desenvolvimento de aplicações de inteligência artificial (IA) na última década, garantir confiança sobre as decisões de sistemas de IA criou uma demanda para interpretabilidade e explicações para predições de modelos caixa preta. A segmentação semântica sobre dados em nuvem de pontos é uma das áreas com demanda significante para interpretabilidade, graças a sistemas visionários sendo desenvolvidos, como veículos autônomos e navegação de robôs. Parar interpretarmos modelos de segmentação semântica para nuvem de pontos, nós propomos uma nova biblioteca em Python chamada Nubilum, uma extensão do Captum, uma biblioteca de interpretabilidade de modelos construída sobre o PyTorch. Nós extendemos as implementações genéricas do Captum de métodos de atribuição post-hoc, desenvolvemos wrappers de modelos para serem usados como funções forward por estes métodos, e técnicas de visualização para visualizar nuvem de pontos, suas segmentações e explicações para qualquer modelo de segmentação semântica. Nós testamos nossa biblioteca com uma análise sobre o modelo SoftGroup e o conjunto de dados S3DIS, para visualizar atributos e interpretar as decisões feitas pelo SoftGroup.pt_BR
dc.description.abstractWith the increasing development of artificial intelligence (AI) applications in the last decade, ensuring trust in AI systems decisions created a demand for interpretability and explanations for black-box model predictions. Semantic segmentation over point cloud data is one of the areas with a significant demand for interpretability, thanks to visionary systems being developed, such as autonomous vehicles and robot navigation. To interpret semantic segmentation models for point cloud data, we propose a new Python’s library called Nubilum, an extension of Captum, a model interpretability library built on PyTorch. We extended Captum’s generic implementations of post-hoc attribution methods, developed model wrappers to be used as forward functions by these methods, and techniques to visualize the point cloud, its segmentation, and explanations for any semantic segmentation model. We tested our library by executing an analysis over the SoftGroup model and S3DIS dataset to visualize attributes and interpret the decisions made by SoftGroup.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoengpt_BR
dc.rightsOpen Accessen
dc.subjectInteligência artificialpt_BR
dc.subjectExplainable artificial intelligence (XAI)en
dc.subjectAprendizado de máquinapt_BR
dc.subjectPoint clouden
dc.subjectSemântica computacionalpt_BR
dc.subjectSemantic segmentationen
dc.titleNubilum : a Captum’s extension library for semantic segmentation models focused on point cloud datapt_BR
dc.title.alternativeNubilum : uma biblioteca de extensão do Captum para modelos de segmentação semântica focados em dados de nuvem de pontosen
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.contributor.advisor-coFreitas, Pedro Sidra dept_BR
dc.identifier.nrb001187767pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentInstituto de Informáticapt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2023pt_BR
dc.degree.graduationCiência da Computação: Ênfase em Ciência da Computação: Bachareladopt_BR
dc.degree.levelgraduaçãopt_BR


Ficheros en el ítem

Thumbnail
   

Este ítem está licenciado en la Creative Commons License

Mostrar el registro sencillo del ítem