Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UVAT_474dcf01781202f4a6609d75061b3343 |
---|---|
oai_identifier_str |
oai:univates.br:10737/2718 |
network_acronym_str |
UVAT |
network_name_str |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
repository_id_str |
1 |
spelling |
Malheiros, Marcelo de Gomensorohttp://lattes.cnpq.br/3846222742415187Stein, Giovani Luis2020-05-06T17:41:52Z2020-05-06T17:41:52Z2019-112019-12-10As 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.Neural networks have been widely used in research and product development in recent years, even though such techniques have existed for decades in the literature. with the advent of massively parallel and affordable hardware, only now has the use of neural networks been able to reach levels of precision beyond humans. Neural networks for image classification typically follow the convolutional neural network (CNN) architecture, being today the most widely used approach. the use of high level libraries such as Keras allows for a rapid experimentation cycle, being anchored in low level libraries like Tensorflow, which ensures the efficiency of training and evaluation processes. This work aims to analyze the problem of automatic classification of photos of some feline species, based on the pattern differences in their fur. A possible application would be tracking individuals in their natural habitat ot help their natural preservation. this study can also help in understanding which biological mechanisms create those characteristic pigmentation types, as it allows the construction of a quantitative measure of similarity between biological patterns. Therefore, this work describes the construction and training of a convolutional neural network for the classification of images of four species of big cats, applied to both real and synthetic images.-1STEIN, Giovani Luis. Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais. 2019. Monografia (Graduação em Engenharia de Software) – Universidade do Vale do Taquari - Univates, Lajeado, 10 dez. 2019. Disponível em: http://hdl.handle.net/10737/2718. http://hdl.handle.net/10737/2718http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessENGInteligência ArtificialAprendizado de MáquinaRedes NeuraisRedes Neurais ConvolucionaisClassificação de ImagensArtificial IntelligenceMachine LearningNeural NetworksConvolutional Neural NetworksClassification of ImagesConstrução de um classificador de pelagens de felinos baseado em redes neurais convolucionaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)instname:Centro Universitário Univates (UNIVATES)instacron:UNIVATESORIGINAL2019Giovani Luis Stein.pdf2019Giovani Luis Stein.pdfapplication/pdf1531256https://www.univates.br/bdu/bitstreams/eb00de37-fa50-4887-a521-0c47787dfbd3/download34210cabb530847f22da95feb4e475fbMD51CC-LICENSElicense_urllicense_urltext/plain49https://www.univates.br/bdu/bitstreams/2ff84680-5a88-4d54-a820-74d2c53d361c/download4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_texttext/html; charset=utf-80https://www.univates.br/bdu/bitstreams/7c3fa1bd-0985-47eb-92a4-9249e78bd0ec/downloadd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80https://www.univates.br/bdu/bitstreams/3f6d1ef3-2ba7-4b43-ada0-00298606c0d8/downloadd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain4599https://www.univates.br/bdu/bitstreams/937a7c93-b23d-44f5-8019-16896f44192f/download69b9ecc68913691843520094772c5546MD55TEXT2019Giovani Luis Stein.pdf.txt2019Giovani Luis Stein.pdf.txtExtracted texttext/plain85477https://www.univates.br/bdu/bitstreams/f4e6a6bb-6fe3-4368-a899-71df0c3dad4f/downloadb34b38fbd41109d590307151cee0ebd5MD510THUMBNAIL2019Giovani Luis Stein.pdf.jpg2019Giovani Luis Stein.pdf.jpgGenerated Thumbnailimage/jpeg4138https://www.univates.br/bdu/bitstreams/c60fcfee-675e-42e5-8310-fc0aaaf79c67/downloadb9ce12053eccc2bb8afacd6c4267aa85MD51110737/27182023-06-23 09:45:48.004http://creativecommons.org/licenses/by-nc-nd/4.0/openAccessoai:univates.br:10737/2718https://www.univates.br/bduRepositório InstitucionalPRIhttp://www.univates.br/bdu_oai/requestopendoar:12023-06-23T09:45:48Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) - Centro Universitário Univates (UNIVATES)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 |
dc.title.pt_BR.fl_str_mv |
Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais |
title |
Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais |
spellingShingle |
Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais Stein, Giovani Luis 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 |
title_short |
Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais |
title_full |
Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais |
title_fullStr |
Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais |
title_full_unstemmed |
Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais |
title_sort |
Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais |
author |
Stein, Giovani Luis |
author_facet |
Stein, Giovani Luis |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Malheiros, Marcelo de Gomensoro |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/3846222742415187 |
dc.contributor.author.fl_str_mv |
Stein, Giovani Luis |
contributor_str_mv |
Malheiros, Marcelo de Gomensoro |
dc.subject.cnpq.fl_str_mv |
ENG |
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 |
dc.subject.por.fl_str_mv |
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 |
description |
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. |
publishDate |
2019 |
dc.date.submitted.none.fl_str_mv |
2019-12-10 |
dc.date.issued.fl_str_mv |
2019-11 |
dc.date.accessioned.fl_str_mv |
2020-05-06T17:41:52Z |
dc.date.available.fl_str_mv |
2020-05-06T17:41:52Z |
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.citation.fl_str_mv |
STEIN, Giovani Luis. Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais. 2019. Monografia (Graduação em Engenharia de Software) – Universidade do Vale do Taquari - Univates, Lajeado, 10 dez. 2019. Disponível em: http://hdl.handle.net/10737/2718. |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10737/2718 |
identifier_str_mv |
STEIN, Giovani Luis. Construção de um classificador de pelagens de felinos baseado em redes neurais convolucionais. 2019. Monografia (Graduação em Engenharia de Software) – Universidade do Vale do Taquari - Univates, Lajeado, 10 dez. 2019. Disponível em: http://hdl.handle.net/10737/2718. |
url |
http://hdl.handle.net/10737/2718 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) instname:Centro Universitário Univates (UNIVATES) instacron:UNIVATES |
instname_str |
Centro Universitário Univates (UNIVATES) |
instacron_str |
UNIVATES |
institution |
UNIVATES |
reponame_str |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
collection |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
bitstream.url.fl_str_mv |
https://www.univates.br/bdu/bitstreams/eb00de37-fa50-4887-a521-0c47787dfbd3/download https://www.univates.br/bdu/bitstreams/2ff84680-5a88-4d54-a820-74d2c53d361c/download https://www.univates.br/bdu/bitstreams/7c3fa1bd-0985-47eb-92a4-9249e78bd0ec/download https://www.univates.br/bdu/bitstreams/3f6d1ef3-2ba7-4b43-ada0-00298606c0d8/download https://www.univates.br/bdu/bitstreams/937a7c93-b23d-44f5-8019-16896f44192f/download https://www.univates.br/bdu/bitstreams/f4e6a6bb-6fe3-4368-a899-71df0c3dad4f/download https://www.univates.br/bdu/bitstreams/c60fcfee-675e-42e5-8310-fc0aaaf79c67/download |
bitstream.checksum.fl_str_mv |
34210cabb530847f22da95feb4e475fb 4afdbb8c545fd630ea7db775da747b2f d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e 69b9ecc68913691843520094772c5546 b34b38fbd41109d590307151cee0ebd5 b9ce12053eccc2bb8afacd6c4267aa85 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) - Centro Universitário Univates (UNIVATES) |
repository.mail.fl_str_mv |
|
_version_ |
1801842368085753856 |