Estudo comparativo de redes neurais convolucionais para classificação de imagens

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorValdes, Jaime Antonio Utria-
Autor(es): dc.creatorSilva, Allan Lucas da-
Data de aceite: dc.date.accessioned2025-08-21T20:10:17Z-
Data de disponibilização: dc.date.available2025-08-21T20:10:17Z-
Data de envio: dc.date.issued2025-04-29-
Data de envio: dc.date.issued2025-04-29-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/38012-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1055883-
Descrição: dc.descriptionO processo de reconhecimento de objetos em imagens tem se tornado cada vez mais eficiente para os computadores, graças aos avanços em visão computacional, especialmente com o uso de redes neurais profundas. Esses modelos, que foram introduzidos e desenvolvidos nos anos de 1990, têm sido aplicados em uma variedade de problemas de classificação de imagens. Neste estudo, foram implementadas duas redes neurais convolucionais: InceptionV3 e Xception. O principal objetivo da pesquisa foi realizar uma comparação entre essas implementações, avaliando qual delas apresenta o melhor desempenho na classificação de imagens, utilizando como base algumas métricas específicas. Para o problema de classificação de imagens de ressonância magnética (MRI), a rede Xception obteve o melhor resultado de acurácia, alcançando 99%, o que evidenciou a eficácia das redes no enfrentamento desta tarefa.-
Descrição: dc.description27 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectRede de computadores-
Palavras-chave: dc.subjectImagem-
Título: dc.titleEstudo comparativo de redes neurais convolucionais para classificação de imagens-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.