Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Oliveira, Luiz Eduardo Soares de, 1971- | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data | - |
Autor(es): dc.creator | Przytocki, Gabriel Henrique | - |
Data de aceite: dc.date.accessioned | 2025-09-01T12:21:43Z | - |
Data de disponibilização: dc.date.available | 2025-09-01T12:21:43Z | - |
Data de envio: dc.date.issued | 2024-10-21 | - |
Data de envio: dc.date.issued | 2024-10-21 | - |
Data de envio: dc.date.issued | 2023 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/90356 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/90356 | - |
Descrição: dc.description | Orientador: Prof. Luiz Eduardo Soares Oliveira | - |
Descrição: dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science e Big Data | - |
Descrição: dc.description | Inclui referências | - |
Descrição: dc.description | Resumo: Contrastive Learning (CL) vem se destacando nos últimos anos por extrair representações úteis em grandes conjuntos de dados, oferecendo eficiência ao evitar a necessidade de anotar bases extensas. O presente trabalho aplicou tais técnicas na tarefa de detecção de espécies florestais a partir de imagens do ridoma (tronco), comparando classificadores com e sem seu uso. A partir da extração de características usando o modelo de CL a nível de estado da arte, SimCLRv2, um classificador Random Forest (RF) foi capaz de obter uma acurácia de 91% entre as 16 espécies florestais, 46% superior a uma ResNet101 sem CL. Esse mesmo RF foi capaz de obter uma acurácia de 77% com apenas 10% do conjunto de treinamento, representando uma alternativa econômica em relação aos demais modelos. | - |
Descrição: dc.description | Abstract: Contrastive Learning (CL) has gained prominence in recent years for extracting useful representations from large datasets, offering efficiency by avoiding the need to annotate extensive databases. This study applied such techniques to the task of detecting forest species fromimages of the rhytidome (trunk), comparing classifiers with and without its use. By extracting features using the state-of-the-art CL model, SimCLRv2, a Random Forest (RF) classifier achieved an accuracy of 91% among the 16 forest species, 46% higher than a ResNet101 without CL. The same RF was able to achieve an accuracy of 77% with only 10% of the training set, representing a cost-effective alternative compared to other models. | - |
Formato: dc.format | 1 recurso online : PDF. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Percepção de imagens | - |
Palavras-chave: dc.subject | Interpretação de imagens | - |
Palavras-chave: dc.subject | Sistemas de reconhecimento de padrões | - |
Palavras-chave: dc.subject | Árvores - Amazônia | - |
Título: dc.title | Avaliação de técnicas de contrastive learning na detecção de texturas em imagens | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: