Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais

• Autor(a) principal: Stein, Giovani Luis
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
• Texto Completo: http://hdl.handle.net/10737/2718
• topic: ENG; Inteligência Artificial; Aprendizado de Máquina; Redes Neurais; Redes Neurais Convolucionais; Classificação de Imagens; Artificial Intelligence; Machine Learning; Neural Networks; Convolutional Neural Networks; Classification of Images

As redes neurais têm sido muito utilizadas em pesquisas e no desenvolvimento de produtos nos últimos anos, mesmo que tais técnicas já existam há décadas na literatura. Com o advento de hardware massivamente paralelo e de custo acessível, somente agora o emprego de redes neurais conseguiu atingir níveis de precisão acima de seres humanos. Redes neurais para a classificação de imagens tipicamente seguem a arquitetura chamada rede neural convolucional (RNC), sendo hoje a abordagem mais utilizada. o emprego de bibliotecas de alto nível como o Keras permite um ciclo rápido de experimentação, que é ancorado em bibliotecas de baixo nível como o Tensorflow, que garantem a eficiência dos processos de treino e avaliação. este trabalho tem como objetivo analisar o problema de classificação automática de fotos de algumas espécies de felinos, usando com base as diferenças de padrão em suas pelagens. uma possível aplicação seria o rastreamento de indivíduos em seu habitat natural, para auxiliar em sua preservação natural. Este estudo também pode auxiliar na compreensão de quais são os mecanismos biológicos que criam tais tipos característicos de pigmentação, pois permite construir uma medida quantitativa de similaridade entre padrões biológicos. Para tanto, este trabalho descreve a construção e treinamento de uma rede neural convolucional para a classificação de imagens de quatro espécies de grandes felinos, aplicado tanto em imagens reais quanto em imagens sintéticas.