Identificação e Classificação de Imagens Publicitárias Quanto à Qualidade Utilizando Aprendizado de Máquina

Abstract

Este trabalho sugere um método para a predição da qualidade estética de imagens com o objetivo de filtrar imagens que seriam classificadas como ruins conforme a opinião do anotador. Para tal, são utilizadas técnicas de aprendizagem profunda em um conjunto de dados com imagens sintéticas de caráter publicitário. A abordagem sugerida é comparada com outros métodos já existentes para inferir a qualidade da imagem considerando o Coeficiente Pearson e Acurácia em conjuntos de imagens avaliadas numa escala de boa a ruim. Os resultados dos experimentos mostram que a ResNet50 se mostra mais eficiente do que os modelos NIMA e Koncept512, chegando em 33% de melhora em relação às correlações e melhora de 11% em relação ao MicroF1.