Arquitetura de dois estágios para segmentar gordura, músculo e fundo em carcaças ovinas: frontend ColorNaming congelado (11 canais de probabilidade de cor, sem treino) + decoder convolucional com mil parâmetros. U-Net e DeepLabV3+ pedem dezenas de milhões de pesos e corpora anotados caros; a pergunta é se essa fração de parâmetros basta para tecido de carcaça.
Neste post reportamos o pipeline, as métricas de segmentação e o papel do ColorNaming como âncora de acabamento na série — o mesmo frontend que o Apex consome como instrumento de pareamento e hub dos papers-método RGB.
O extrator de features congelado
O ColorNaming (Van de Weijer et al., 2009) mapeia valores RGB para 11 categorias linguísticas de cor: preto, azul, marrom, cinza, verde, laranja, rosa, roxo, vermelho, branco e amarelo. O mapeamento vem de experimentos de nomeação de cor por humanos, e fica armazenado em uma tabela de consulta (LUT) de entradas.
Para cada pixel, a função devolve uma distribuição de probabilidade sobre as 11 cores. A LUT não recebe atualização por gradiente, ou seja, permanece congelada durante o treino. Uma imagem de entrada vira, assim, um tensor de features , sem nenhum parâmetro treinável no extrator.
O decoder leve
O decoder tem quatro camadas convolucionais. As três primeiras aplicam normalização em lote e ativação ReLU. A última usa um núcleo para projetar as features nas classes de saída. Para o caso binário, uma sigmoide converte o canal único em P(gordura). Para o caso multiclasse, uma softmax produz P(fundo), P(músculo) e P(gordura).
| Camada | Parâmetros |
|---|---|
| Conv2d(11 → 64, 3×3) + BN + ReLU | 6.400 |
| Conv2d(64 → 64, 3×3) + BN + ReLU | 36.928 |
| Conv2d(64 → 32, 3×3) + BN + ReLU | 18.496 |
| Conv2d(32 → 1, 1×1), caso binário | 33 |
A soma dos parâmetros treináveis do decoder é de aproximadamente 62 mil. A figura a seguir mostra o pipeline binário completo, da imagem de entrada ao mapa de probabilidade de gordura.
Protocolo experimental
O conjunto tem 23 imagens de carcaças ovinas, capturadas sob iluminação controlada. Cada imagem tem anotação por pixel para três classes: fundo, músculo e gordura. As imagens foram redimensionadas para pixels e divididas em 18 de treino e 5 de validação.
Ambos os modelos foram treinados com o otimizador Adam, taxa de aprendizado de e lote de 4. A perda combina entropia cruzada e perda de Dice, com peso igual. Aplicou-se parada antecipada com paciência de 20 épocas. O modelo binário convergiu na época 94, e o multiclasse na época 130.
O desempenho foi medido por Interseção sobre União (IoU) e coeficiente de Dice, no conjunto de validação de 5 amostras.
Resultados
Na tarefa binária, o modelo alcançou IoU de gordura de 0,924 e Dice de 0,961. A precisão foi de 0,941 e a revocação de 0,981.
| Tarefa | Métrica | Valor |
|---|---|---|
| Binária | IoU gordura | 0,924 |
| Binária | Dice | 0,961 |
| Binária | Precisão | 0,941 |
| Binária | Revocação | 0,981 |
| Multiclasse | mIoU | 0,577 |
| Multiclasse | IoU gordura | 0,922 |
| Multiclasse | IoU músculo | 0,565 |
| Multiclasse | IoU fundo | 0,244 |
Na tarefa multiclasse, a IoU média foi de 0,577. A gordura, portanto, foi segmentada com IoU muito acima das outras duas classes. A figura seguinte mostra a arquitetura multiclasse, em que o decoder projeta os 11 mapas de cor em três mapas de classe por pixel.
Quanto aos parâmetros treináveis, o decoder proposto tem cerca de 62 mil, contra cerca de 31 milhões da U-Net e cerca de 41 milhões da DeepLabV3+. A razão em relação à U-Net é de aproximadamente 500 vezes. Essa comparação usa contagens publicadas das arquiteturas de referência, e não um treino próprio delas neste conjunto.
Discussão
Os resultados indicam que as features de ColorNaming sustentam a segmentação de gordura quando combinadas com um decoder mínimo. A IoU de gordura, entre 0,922 e 0,924 nas duas tarefas, sugere que a representação de 11 cores captura informação discriminativa para essa classe.
A gordura alcançou IoU bem acima do músculo e do fundo. Três fatores podem explicar a diferença. A gordura exibe tons brancos e amarelos consistentes, que mapeiam de forma confiável para canais específicos de cor. O músculo varia entre vermelho e marrom, com sobreposição a outras estruturas. O fundo ocupa proporções variáveis entre imagens, o que dificulta a generalização.
A eficiência computacional decorre de dois pontos. O decoder tem cerca de 500 vezes menos parâmetros que a U-Net. Além disso, a LUT opera por consulta em tabela, e não por convolução em ponto flutuante. Essas propriedades podem tornar a abordagem compatível com sistemas embarcados ou ambientes de recurso limitado.
Limitações
- O conjunto de 23 imagens restringe a generalização. Não foi feita validação cruzada, por restrição de tamanho amostral.
- Não houve comparação com baseline treinado no mesmo conjunto. As afirmações de eficiência de parâmetros repousam em contagens publicadas, e não em experimento controlado.
- Não houve validação física. Faltaram medidas de paquímetro ou dissecção para correlacionar as regiões previstas com a anatomia.
- O ColorNaming pode ser sensível a variações de iluminação não representadas no treino. Testes sob iluminação diversa são necessários.
Conclusão
Este registro descreve um método leve para segmentação de tecido em carcaças ovinas. A combinação de um frontend ColorNaming congelado com um decoder de cerca de 62 mil parâmetros alcançou IoU de 0,924 para gordura, e IoU média de 0,577 para três classes. A abordagem oferece uma alternativa de baixo custo computacional às arquiteturas convencionais, em especial para dados de treino escassos ou hardware limitado. Trabalhos futuros incluem ampliar o conjunto, comparar com arquiteturas padrão em condições controladas, validar contra medidas físicas e avaliar a robustez à iluminação.
Referências
- van de Weijer, J., Schmid, C., Verbeek, J., Larlus, D. (2009). Learning color names for real-world applications. IEEE Transactions on Image Processing, 18(7), 1512-1523.
- Ronneberger, O., Fischer, P., Brox, T. (2015). U-Net: Convolutional networks for biomedical image segmentation. MICCAI 2015, 234-241.
- Chen, L.-C., Zhu, Y., Papandreou, G., Schroff, F., Adam, H. (2018). Encoder-decoder with atrous separable convolution for semantic image segmentation. ECCV 2018, 801-818.
- Craigie, C. R., Navajas, E. A., Purchas, R. W., et al. (2012). A review of the development and use of video image analysis (VIA) for beef carcass evaluation. Meat Science, 92(4), 307-318.
