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 | Casanova, Dalcimar | - |
Autor(es): dc.contributor | Migliorini, Gustavo Henrique | - |
Autor(es): dc.contributor | Casanova, Dalcimar | - |
Autor(es): dc.contributor | Oliva, Jefferson Tales | - |
Autor(es): dc.contributor | Fávero, Eliane Maria De Bortoli | - |
Autor(es): dc.creator | Silva, Gustavo Henrique Mattos | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:47:54Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:47:54Z | - |
Data de envio: dc.date.issued | 2025-03-12 | - |
Data de envio: dc.date.issued | 2025-03-12 | - |
Data de envio: dc.date.issued | 2024-12-18 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/36066 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1102034 | - |
Descrição: dc.description | Bird species classification is essential for ecosystem monitoring and conservation, helping to identify areas at risk for biodiversity and to preserve endangered species. However, the task faces technical challenges due to the large number of species to be classified and the availability of images of lesser-known species. Despite several implementations with machine learning, such as the model in Migliorini (2022), issues such as high computational cost and data imbalance limit the applicability of the models. This work proposes the use of Siamese networks and data augmentation and oversampling techniques to overcome these limitations, seeking to create a more efficient and accurate model for bird species classification. The model was implemented using the Python programming language, with the help of the TensorFlow and Keras libraries, and trained in the Google Colab cloud computing environment. The developed model did not obtain the expected results, reaching 11% accuracy with k=1 and 41% accuracy with k=10 after training. | - |
Descrição: dc.description | A classificação de espécies de pássaros é fundamental para o monitoramento e a conservação de ecossistemas, ajudando a identificar áreas de risco para a biodiversidade e a preservar espécies ameaçadas. Contudo, a tarefa enfrenta desafios técnicos devido à grande quantidade de espécies a serem classificadas e à disponibilidade de imagens de espécies menos conhecidas. Apesar de diversas implementações com aprendizado de máquinas, como o modelo de Migliorini (2022), questões como alto custo computacional e desbalanceamento de dados limitam a aplicabilidade dos modelos. Este trabalho propõe o uso de redes siamesas e técnicas de data augmentation e sobre-amostragem para superar essas limitações, buscando criar um modelo mais eficiente e preciso na classificação de espécies de pássaros. O modelo foi implementado utilizando a linguagem de programação Python, com auxílio das bibliotecas TensorFlow e Keras, e treinado no ambiente de computação em núvem Google Colab. O modelo desenvolvido não obteve os resultados esperados, alcançando 11% de acurácia com k=1 e 41% de acurácia com k=10 após o treinamento. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Pato Branco | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
Publicador: dc.publisher | Engenharia de Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Visão Computacional | - |
Palavras-chave: dc.subject | Processamento de imagens | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Computer vision | - |
Palavras-chave: dc.subject | Image processing | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Identificação de espécies de pássaros em imagens utilizando redes neurais siamesas | - |
Título: dc.title | Identification of bird species in images using siamese neural networks | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: