Comparação de modelos de redes neurais convolucionais com transfer learning para a classificação de imagens
Carregando...
Data
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
UNIVERSIDADE FEDERAL DO OESTE DO PARÁ
Resumo
item.page.resume
O presente trabalho aborda o desenvolvimento e aplicação de modelos pré-treinados para o
reconhecimento de imagens de diferentes datasets, onde foram aplicados modelos de Redes
Neurais Convolucionais (CNN, do inglês Convolutional Neural Network) a partir do
Aprendizado de Transferência (TL, do inglês Transfer Learning). Desse modo, surgiu a
perspectiva de utilizar um modelo já treinado como ponto de partida para a resolução de um
outro problema relacionado. Em vista disso, o objetivo principal do projeto voltou-se para o
destaque na aplicação dos modelos pré-treinados para grandes conjuntos de dados e a
comparação entre os dois modelos escolhidos para o projeto, os quais são: ResNet50 e
InceptionV3. A pesquisa evoluiu para o estudo e comparação entre dois modelos
pré-treinados, ResNet50 e InceptionV3. Como resultado, o modelo pré-treinado ResNet50
obteve resultado superior ao modelo InceptionV3 (com acurácias médias 0.8856 e 0.8363,
respectivamente), aplicado o teste não-paramétrico de Kruskal-Wallis, atestou-se que há
diferença estatisticamente significativa entre os resultados dos modelos
Descrição
Citação
PEREIRA, Célia Yasmin Sousa. Comparação de modelos de redes neurais convolucionais com transfer learning
para a classificação de imagens. Orientador: Anderson Alvarenga de Moura Meneses. 2024. 13 p. Trabalho de Conclusão de Curso (Graduação) – Universidade Federal do Oeste do Pará, Bacharelado Interdisciplinar em Ciência e Tecnologia, 2024. Disponível em:
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto