Estudo de classificação de imagens utilizando redes neurais convolucionais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Outros Autores: | , |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRJ |
Texto Completo: | http://hdl.handle.net/11422/19322 |
Resumo: | Este trabalho visa realizar um estudo sobre construção de redes neurais voltadas ao reconhecimento de imagens, buscando compreender como cada parâmetro da rede é capaz de influenciar o modelo como um todo. Neste trabalho, foram realizados experimentos sobre dois bancos de dados de imagens, Cifar-10 e Cifar-100, com execuções diversas do algoritmo, utilizando variações distintas da arquitetura. Para os modelos de aprendizado, utilizamos a linguagem de programação Python em conjunto com a biblioteca Keras, escolhida devido à simplicidade e legibilidade do código. Ao longo do trabalho, foram realizados diversos experimentos sob condições diferentes e utilizando diferentes algoritmos e técnicas com finalidade de obtenção de melhores resultados. A métrica utilizada para a avaliação dos resultados foi a acurácia. Cada experimento teve seus parâmetros e resultados devidamente detalhados e documentados. Ao final dos experimentos, foi possível analisar os impactos que cada parâmetro tem sobre os modelos construídos. Foi possível construir uma arquitetura satisfatória para o Cifar-10, porém para o Cifar-100, o modelo não alcançou resultados excelentes como o esperado. |
id |
UFRJ_dab684ed93c74526d114c4678e14a35f |
---|---|
oai_identifier_str |
oai:pantheon.ufrj.br:11422/19322 |
network_acronym_str |
UFRJ |
network_name_str |
Repositório Institucional da UFRJ |
repository_id_str |
|
spelling |
Costa, Fillipe RodriguesOliveira, João Pedro de PaulaSilva, Philipi Siqueira dahttp://lattes.cnpq.br/9413102524215939Rossetto, Silvanahttp://lattes.cnpq.br/0054098292730720Menasché, Daniel Sadochttp://lattes.cnpq.br/9931198850020140Silva, João Carlos Pereira da2022-12-07T14:12:15Z2023-11-30T03:05:23Z2022-10-03http://hdl.handle.net/11422/19322Submitted by Elaine Almeida (elaine.almeida@nce.ufrj.br) on 2022-12-07T14:12:15Z No. of bitstreams: 1 FRCosta.pdf: 903854 bytes, checksum: 123ad433a08b8813557ca2e728b083d6 (MD5)Made available in DSpace on 2022-12-07T14:12:15Z (GMT). No. of bitstreams: 1 FRCosta.pdf: 903854 bytes, checksum: 123ad433a08b8813557ca2e728b083d6 (MD5) Previous issue date: 2022-10-03Este trabalho visa realizar um estudo sobre construção de redes neurais voltadas ao reconhecimento de imagens, buscando compreender como cada parâmetro da rede é capaz de influenciar o modelo como um todo. Neste trabalho, foram realizados experimentos sobre dois bancos de dados de imagens, Cifar-10 e Cifar-100, com execuções diversas do algoritmo, utilizando variações distintas da arquitetura. Para os modelos de aprendizado, utilizamos a linguagem de programação Python em conjunto com a biblioteca Keras, escolhida devido à simplicidade e legibilidade do código. Ao longo do trabalho, foram realizados diversos experimentos sob condições diferentes e utilizando diferentes algoritmos e técnicas com finalidade de obtenção de melhores resultados. A métrica utilizada para a avaliação dos resultados foi a acurácia. Cada experimento teve seus parâmetros e resultados devidamente detalhados e documentados. Ao final dos experimentos, foi possível analisar os impactos que cada parâmetro tem sobre os modelos construídos. Foi possível construir uma arquitetura satisfatória para o Cifar-10, porém para o Cifar-100, o modelo não alcançou resultados excelentes como o esperado.porUniversidade Federal do Rio de JaneiroUFRJBrasilInstituto de ComputaçãoCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAORedes neurais convolucionaisCifarClassificação de imagensEstudo de classificação de imagens utilizando redes neurais convolucionaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJLICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/19322/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD52ORIGINALFRCosta.pdfFRCosta.pdfapplication/pdf903854http://pantheon.ufrj.br:80/bitstream/11422/19322/1/FRCosta.pdf123ad433a08b8813557ca2e728b083d6MD5111422/193222023-11-30 00:05:23.572oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2023-11-30T03:05:23Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.fl_str_mv |
Estudo de classificação de imagens utilizando redes neurais convolucionais |
title |
Estudo de classificação de imagens utilizando redes neurais convolucionais |
spellingShingle |
Estudo de classificação de imagens utilizando redes neurais convolucionais Costa, Fillipe Rodrigues CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Redes neurais convolucionais Cifar Classificação de imagens |
title_short |
Estudo de classificação de imagens utilizando redes neurais convolucionais |
title_full |
Estudo de classificação de imagens utilizando redes neurais convolucionais |
title_fullStr |
Estudo de classificação de imagens utilizando redes neurais convolucionais |
title_full_unstemmed |
Estudo de classificação de imagens utilizando redes neurais convolucionais |
title_sort |
Estudo de classificação de imagens utilizando redes neurais convolucionais |
author |
Costa, Fillipe Rodrigues |
author_facet |
Costa, Fillipe Rodrigues Oliveira, João Pedro de Paula Silva, Philipi Siqueira da |
author_role |
author |
author2 |
Oliveira, João Pedro de Paula Silva, Philipi Siqueira da |
author2_role |
author author |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9413102524215939 |
dc.contributor.author.fl_str_mv |
Costa, Fillipe Rodrigues Oliveira, João Pedro de Paula Silva, Philipi Siqueira da |
dc.contributor.referee1.fl_str_mv |
Rossetto, Silvana |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/0054098292730720 |
dc.contributor.referee2.fl_str_mv |
Menasché, Daniel Sadoc |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/9931198850020140 |
dc.contributor.advisor1.fl_str_mv |
Silva, João Carlos Pereira da |
contributor_str_mv |
Rossetto, Silvana Menasché, Daniel Sadoc Silva, João Carlos Pereira da |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Redes neurais convolucionais Cifar Classificação de imagens |
dc.subject.por.fl_str_mv |
Redes neurais convolucionais Cifar Classificação de imagens |
description |
Este trabalho visa realizar um estudo sobre construção de redes neurais voltadas ao reconhecimento de imagens, buscando compreender como cada parâmetro da rede é capaz de influenciar o modelo como um todo. Neste trabalho, foram realizados experimentos sobre dois bancos de dados de imagens, Cifar-10 e Cifar-100, com execuções diversas do algoritmo, utilizando variações distintas da arquitetura. Para os modelos de aprendizado, utilizamos a linguagem de programação Python em conjunto com a biblioteca Keras, escolhida devido à simplicidade e legibilidade do código. Ao longo do trabalho, foram realizados diversos experimentos sob condições diferentes e utilizando diferentes algoritmos e técnicas com finalidade de obtenção de melhores resultados. A métrica utilizada para a avaliação dos resultados foi a acurácia. Cada experimento teve seus parâmetros e resultados devidamente detalhados e documentados. Ao final dos experimentos, foi possível analisar os impactos que cada parâmetro tem sobre os modelos construídos. Foi possível construir uma arquitetura satisfatória para o Cifar-10, porém para o Cifar-100, o modelo não alcançou resultados excelentes como o esperado. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-12-07T14:12:15Z |
dc.date.issued.fl_str_mv |
2022-10-03 |
dc.date.available.fl_str_mv |
2023-11-30T03:05:23Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11422/19322 |
url |
http://hdl.handle.net/11422/19322 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto de Computação |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRJ instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Repositório Institucional da UFRJ |
collection |
Repositório Institucional da UFRJ |
bitstream.url.fl_str_mv |
http://pantheon.ufrj.br:80/bitstream/11422/19322/2/license.txt http://pantheon.ufrj.br:80/bitstream/11422/19322/1/FRCosta.pdf |
bitstream.checksum.fl_str_mv |
dd32849f2bfb22da963c3aac6e26e255 123ad433a08b8813557ca2e728b083d6 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
|
_version_ |
1784097273981960192 |