Reconhecimento e classificação de espécies de peixes utilizando redes neurais convolucionais
| Título | Reconhecimento e classificação de espécies de peixes utilizando redes neurais convolucionais | pt_BR |
| Autor | Peruchi, Mateus Silveira | |
| Autor | Machado, Rodrigo | |
| Autor | Garcia, Merisandra Côrtes de Mattos | |
| Resumo / Abstract | O aumento no consumo de alimentos provenientes de ambientes aquáticos é acompanhado por desafios ambientais e técnicos. Este aumento, impulsionado pelo crescimento populacional e urbanização, demanda uma variedade maior de alimentos. No entanto, essa crescente demanda apresenta consequências, como a sobrepesca. Um dos desafios é a identificação das espécies marinhas que são afetadas pelas atividades humanas, o que é crucial para diversas áreas, mas que se mostra complexa mesmo para especialistas, devido à ampla diversidade fenotípica e à variação morfológica sutil entre diferentes espécies, o que exige conhecimento em taxonomia e ecologia marinha. Portanto, esta pesquisa tem como objetivo analisar o desempenho dos modelos de redes neurais profundas ResNet-50 e AlexNet no desafio de classificação das espécies de peixes, seguindo cinco fases principais: levantamento bibliográfico, construção da base de imagens, desenvolvimento dos modelos de redes neurais convolucionais, treinamento e teste dos modelos, e análise dos resultados. Além disso, a pesquisa apresenta uma arquitetura modificada, baseada na estrutura básica da AlexNet, com o objetivo de melhorar a generalização do modelo para dados não vistos. Os resultados obtidos demonstram uma superioridade do modelo de rede neural ResNet-50 ao modelo AlexNet, atingindo uma acurácia de 85% em seus melhores cenários, enquanto a AlexNet alcançou 68%. No entanto, a estrutura modificada da AlexNet foi capaz de superar essa superioridade, apresentando uma acurácia de 92% em seu melhor cenário de teste. | pt_BR |
| Data de publicação | 2024-07 | |
| Tipo | Trabalho de Conclusão de Curso - TCC | pt_BR |
| Idioma | pt_BR | pt_BR |
| Palavras-chave | Visão computacional | pt_BR |
| Palavras-chave | Redes neurais profundas | pt_BR |
| Palavras-chave | Aprendizado de máquina | pt_BR |
| Palavras-chave | Ecossistema marinha | pt_BR |
| Descrição | Trabalho de Conclusão de Curso, apresentado para obtenção do grau de Bacharel no Curso de Ciência da Computação da Universidade do Extremo Sul Catarinense, UNESC. | pt_BR |
| Data de depósito | 2024-08-05T22:51:04Z | |
| Data de disponibilização | 2024-08-05T22:51:04Z | |
| URI | http://repositorio.unesc.net/handle/1/10984 | |
| Cobertura espacial | Universidade do Extremo Sul Catarinense | pt_BR |
| Data de criação | 2024-07 |