Decoupled Pipeline with Proposal Reranking and Score Fusion for Positive-Unlabeled Marine Species Detection

Imagine que você é um detetive tentando resolver um mistério em uma cidade subaquática gigante e turva. Seu trabalho é encontrar criaturas marinhas específicas e dar nomes a elas. Mas há um porém: o mapa que lhe foi dado está cheio de buracos. As pessoas que desenharam o mapa apenas anotaram os animais das quais tinham certeza, deixando milhares de outros peixes, ouriços e águas-vivas sem marcação. No mundo da ciência da computação, isso é chamado de aprendizado "positivo-não rotulado" (positive-unlabeled learning). É como tentar aprender o que é um "cachorro" estudando apenas fotos onde alguém apontou explicitamente para um cachorro, enquanto ignora todos os outros animais na foto que podem ser apenas gatos ou esquilos. Se o seu computador vir um gato e pensar: "Isso é um cachorro!", porque não foi avisado do contrário, ele ficará confuso.

Para tornar tudo mais complicado, a cidade subaquática é um pouco como um sonho mutável. As fotos que você está estudando foram tiradas por um grupo de mergulhadores em uma parte do oceano, mas as fotos de "teste" que você precisa resolver são de um oceano completamente diferente, tiradas com câmeras e iluminação diferentes. Isso é chamado de "deslocamento de domínio" (domain shift). É como tentar reconhecer o rosto de um amigo após vê-lo apenas em fotos em preto e branco, mas ser solicitado a identificá-lo em um vídeo colorido de alta definição. O objetivo desta pesquisa é construir um sistema de computador que consiga detectar essas criaturas marinhas e nomeá-las corretamente, mesmo quando o mapa está incompleto e a iluminação é estranha.

---

A Nova Estratégia do Detetive: Dividindo o Trabalho

A equipe da Georgia Tech, conhecida como DS@GT ARC, percebeu que tentar fazer tudo de uma vez só era uma receita para o desastre. Imagine pedir a uma única pessoa que seja os olhos que avistam o animal, o cérebro que o nomeia e o juiz que decide se o palpite é bom o suficiente. Em seus experimentos, essa abordagem "tudo em um" encontrou um obstáculo. O computador continuava se confundindo com os animais não rotulados, pensando que eles eram erros.

Então, eles decidiram dividir o trabalho em uma corrida de revezamento com três corredores distintos, cada um fazendo uma coisa muito bem.

Corredor 1: O Observador de Olhos Atentos (O Detector)
Primeiro, eles precisavam de alguém para escanear todo o fundo do oceano e gritar: "Ei, tem algo ali!". Eles usaram um robô pré-treinado chamado "Megalodon" (um tipo de detector YOLO). Em vez de ensinar o Megalodon a aprender coisas novas a partir dos dados bagunçados da competição, eles o mantiveram congelado, como um batedor veterano que já sabe identificar formas.

• O Truque da Ladrilhagem (Tiling): O fundo do oceano é enorme, e algumas criaturas marinhas são minúsculas. Se você apertar os olhos para olhar uma foto inteira, um pequeno ouriço parece um grão de poeira. Para corrigir isso, a equipe não olhou apenas para a foto inteira; eles fatiaram a imagem em pequenos ladrilhos sobrepostos, como um mosaico. Isso permitiu que o batedor desse um zoom nos detalhes minúsculos.
• O Filtro de Borda: Às vezes, uma criatura é cortada ao meio pela borda de um ladrilho. A equipe adicionou uma regra: se uma forma detectada for cortada pela borda do ladrilho, descarte-a. Isso evitou que a equipe contasse meios-ouriços como seres inteiros.

Corredor 2: O Biólogo Especialista (O Classificador)
Assim que o batedor encontrava um "algo", ele passava uma foto recortada daquele local para o segundo corredor: uma IA superinteligente chamada DINOv3. O único trabalho deste corredor é olhar para a criatura e dizer: "Isso é um ouriço do mar" ou "Isso é um peixe ósseo".

• A Fórmula Secreta: Eles não ensinaram este robô do zero. Em vez disso, usaram uma técnica chamada "LoRA" (Low-Rank Adaptation). Pense nisso como dar ao robô um pequeno caderno especializado para anotar as regras específicas para os 32 tipos de criaturas marinhas da competição, sem precisar reescrever todo o seu cérebro. Isso permitiu que o robô se tornasse um mestre em detalhes finos, como distinguir entre dois tipos de peixes muito semelhantes.

Corredor 3: O Juiz Duvidoso (O Reclassificador/Reranker)
Mesmo o melhor biólogo pode ser excessivamente confiante. Às vezes, uma rocha estranha pode parecer o suficiente para um peixe que o biólogo diz: "99% de certeza de que é um peixe!". A equipe adicionou uma terceira etapa para verificar a confiança. Eles construíram uma "cabeça de validade" inspirada no "Teste de Turing" (um teste para ver se uma máquina consegue enganar um humano). Este juiz pergunta: "Este candidato realmente se parece com os outros membros de sua classe?".

• O Resultado: Este ju judge agiu como um empurrão suave. Ele não descartava palpites; ele apenas ajustava ligeiramente o ranking. Se um palpite fosse estranho, ele era empurrado para baixo na lista. Se parecesse sólido, ele permanecia no topo.

A Pontuação Final: Juntando Tudo

A equipe não deixou apenas os três corredores gritarem suas respostas. Eles usaram um truque matemático especial chamado "fusão geométrica ponderada" para combinar as pontuações. Imagine que o Batedor dá uma pontuação de quão certo está de que algo está lá, o Biólogo dá uma pontuação de quão certo está do nome e o Juiz dá uma pontuação de quão consistente é o palpite. A pontuação final é uma mistura de todos os três. Se qualquer um deles for fraco, a pontuação final cai, garantindo que apenas os palpites mais fortes e consistentes cheguem ao topo.

O Que Eles Descobriram (e o Que Eles Descartaram)

A equipe realizou centenas de experimentos, e os resultados foram uma mistura de momentos de "eureka!" e lições de "ops".

• O Batedor Congelado Venceu: Eles tentaram ensinar o batedor (Megalodon) a aprender com os dados bagunçados, esperando que ele melhorasse. Mas não funcionou. O batedor "congelado", que apenas usava seu conhecimento existente, na verdade teve um desempenho melhor na corrida final. A equipe aprendeu que tentar ajustar o detector nos dados ruidosos e incompletos tornava todo o sistema pior.
• A Armadilha do "Estrito" vs. "Real": Eles tentaram ser super rigorosos, aceitando apenas palpites que correspondiam perfeitamente aos rótulos conhecidos. Mas no mundo real (o conjunto de teste oculto), muitas criaturas reais não foram rotuladas nos dados de treinamento. Se filtrassem de forma muito agressiva, acabariam descartando animais reais que apenas não haviam sido marcados. A lição? É melhor manter uma rede ampla e deixar o sistema de classificação separar o que é bom do que é ruim, em vez de deletar qualquer coisa que pareça suspeita.
• A Divisão Pública vs. Privada: A equipe tinha duas versões de seu sistema. Uma versão, que incluía o "Juiz Duvidoso" (o reclassificador inspirado no TTN), teve um ótimo desempenho no ranking público e em seus próprios testes externos. No entanto, no ranking privado final e secreto, a versão mais simples (sem o juiz) venceu por uma margem mínima. Isso ensinou que um sinal que parece útil em um teste pode não ser robusto o suficiente para o desafio final desconhecido.

O Quadro Geral

No fim, o sistema da equipe ficou em 12º lugar de 102 equipes, com uma pontuação de 0,1757. Sua maior descoberta não foi um novo superalgoritmo, mas uma estratégia: não tente consertar os dados bagunçados; contorne-os.

Eles descobriram que separar o trabalho de "encontrar" do trabalho de "nomear", usando um detector congelado e confiando em um sistema de classificação inteligente, era mais poderoso do que tentar forçar um único modelo a aprender tudo. Eles também aprenderam que, em um mundo de mapas incompletos, ser agressivo demais ao filtrar palpites "duvidosos" é perigoso. Às vezes, aquilo que você pensa ser um erro é, na verdade, um tesouro real e não rotulado.

O artigo sugere que, embora métodos de "estudante-professor" (onde um modelo inteligente ensina um mais fraco) e a criação de dados falsos sejam ideias promissoras, eles precisam ser tratados com extremo cuidado. Se o professor não for perfeito, o aluno apenas aprenderá os erros do professor. Por enquanto, a aposta mais segura é manter o detector simples, deixar o classificador fazer o trabalho pesado nos nomes e usar uma mão gentil para classificar os palpites finais.