Para obter bons resultados, as técnicas de aprendizado de máquina profundo requerem uma grande quantidade de dados representativos da tarefa a ser resolvida. Em muitos domínios, bons conjuntos de dados são difíceis de serem obtidos em grande quantidade, devido ao custo, à operacionalização e, mais recentemente, a aspectos legais de privacidade e segurança. Uma alternativa é a utilização de conjuntos de dados artificiais gerados automaticamente, como, por exemplo, imagens foto-realistas geradas por redes neurais profundas (p.ex., DALL-E). Esse projeto pretende analisar como o uso de imagens geradas artificialmente afeta a eficácia de um sistema classificador de imagens. O trabalho está relacionado à pesquisa de mestrado no tema pelo aluno Samuel Gales Guimarães.
To obtain good results, deep learning techniques require a large amount of data representative of the task to be solved. In many domains, good and large enough datasets are hard to aquire due to reasons such as cost, logistics, and, more recently, legal aspects with regards to privacy and security. A possible alternative is using artificially generated images, for example, photo-realistic pictures generated by deep neural networks (e.g., DALL-E). This project aims to analyze how the usage of artificially generated images affects the performance and accuracy of an image classifying system. The work is related to the ongoing Master's research on the topic by Samuel Gales Guimarães.