Aprendizado profundo aplicado à classificação de peças de xadrez.

• Autor(a) principal: ARAÚJO, Gabriel Schubert Silva.
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29312
• topic: Aprendizado profundo de máquina; Peças de xadrez; Xadrez - peças; Redes neurais convolucionais; Arquitetura MobileNet; Processamento digital de imagem; Classificação de objetos em imagens; Jogo de Xadrez; Inteligência artificial; Algoritmo de classificação de imagem; Deep machine learning; Chess pieces; Convolutional Neural Networks; MobileNet Architecture; Digital image processing; Classification of objects in images; Chess game; Artificial intelligence; Image classification algorithm; Ciência da Computação.

Esta pesquisa apresenta uma solução fundamentada em redes neurais de aprendizado profundo para a classificação de peças de xadrez. O objetivo é avaliar a aplicabilidade destes algoritmos em contextos como na robótica, por exemplo. Pensando nisso, foram treinados diferentes modelos de redes neurais, com arquitetura e hiperparâmetros diferentes. Posteriormente, calculou-se as métricas acurácia, precisão, revocação e f1-score para cada modelo treinado e comparou-se estas métricas para se definir o modelo com melhor desempenho. O objetivo de cada modelo foi classificar corretamente a imagem de entrada em uma de treze classes, sendo estas classes 12 peças de xadrez e uma classe que representa o espaço do tabuleiro vazio. Desta forma, chegou-se a um modelo com 99.15% de acurácia no reconhecimento de peças de xadrez, este modelo foi fundamentado na arquitetura MobileNet e teve como melhores parâmetros encontrados: learning rate de 0.00019, 256 neurônios na camada densa e 43 das primeiras camadas congeladas. Além disso, utilizou-se os pesos pré-treinados da ImageNet neste modelo. Estes resultados mostram a eficácia das redes neurais profundas na classificação de imagens de peças de xadrez