Um estudo sobre dataset distillation

Abstract

Dataset Distilation (DD) é uma técnica utilizada para gerar um conjunto de dados sintéticos, condensado e informativo, capaz de substituir o conjunto de dados original no treinamento de modelos de aprendizado de máquina. Este estudo explora a aplicação de técnicas de DD em um novo domínio, utilizando o conjunto de dados PathMNIST para avaliar o desempenho desses métodos. Nossa abordagem foca na comparação de duas técnicas consolidadas, Dataset Distillation by Gradient Matching (DD-GM) e Dataset Distillation by Automatic Training Trajectories (ATT) aplicadas à esse conjunto de dados. Os resultados demonstram a viabilidade das técnicas de DD em tarefas complexas de imagens médicas, fornecendo insights sobre a eficácia dessas abordagens em novos contextos. Além disso, este trabalho apresenta uma avaliação abrangente de ambos os métodos, destacando seus pontos fortes e limitações, e contribuindo com descobertas importantes para a aplicação de DD em conjuntos de dados mais desafiadores e específicos.