Estudo de classificação de imagens utilizando redes neurais  convolucionais

Oliveira, João Pedro de Paula; Costa, Fillipe Rodrigues; Silva, Philipi Siqueira da

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/19322

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Silva, João Carlos Pereira da	-
dc.contributor.author	Costa, Fillipe Rodrigues	-
dc.contributor.author	Oliveira, João Pedro de Paula	-
dc.contributor.author	Silva, Philipi Siqueira da	-
dc.date.accessioned	2022-12-07T14:12:15Z	-
dc.date.available	2023-12-21T03:09:39Z	-
dc.date.issued	2022-10-03	-
dc.identifier.uri	http://hdl.handle.net/11422/19322	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Redes neurais convolucionais	pt_BR
dc.subject	Cifar	pt_BR
dc.subject	Classificação de imagens	pt_BR
dc.title	Estudo de classificação de imagens utilizando redes neurais convolucionais	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/9413102524215939	pt_BR
dc.contributor.referee1	Rossetto, Silvana	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/0054098292730720	pt_BR
dc.contributor.referee2	Menasché, Daniel Sadoc	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/9931198850020140	pt_BR
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Computação	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
FRCosta.pdf		882.67 kB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository