Identificação de aves da fauna do Brasil através de aprendizado profundo para classificação de imagens

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorOliva, Jefferson Tales-
Autor(es): dc.contributorTeixeira, Marcelo-
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.creatorMigliorini, Gustavo Henrique-
Data de aceite: dc.date.accessioned2025-08-29T13:06:48Z-
Data de disponibilização: dc.date.available2025-08-29T13:06:48Z-
Data de envio: dc.date.issued2023-07-07-
Data de envio: dc.date.issued2023-07-07-
Data de envio: dc.date.issued2022-11-09-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/31716-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1107563-
Descrição: dc.descriptionDeep learning use have become frequent in several areas of biology. Specifically, Convolutional Neural Networks (CNNs) are widely used for image prediction and have drawn the attention of biologists since they can automate analyzes that by conventional methods would require great effort and time to perform, such as species identification. In this study, we used transfer learning to obtain a classifier of bird species from the Brazilian fauna. Using a image database with 1953 classes and more than 600000 images, we developed our classifier model using the ResNet50V2 architecture. The model reached 45% of accuracy in the validation set, a performance that can be improved in future studies with the exploration of other techniques and methods. This work highlights the importance of providing to society a tool to identify birds from one of the greatest biodiversity on Earth.-
Descrição: dc.descriptionAplicações baseadas em aprendizagem profunda têm se tornado frequentes em diversas áreas da biologia. Especificamente, as redes neurais convolucionais (CNNs) são amplamente utilizadas para predição de imagens e têm chamado a atenção de biólogos, uma vez que podem automatizar análises que, por métodos convencionais, exigiriam grande esforço e tempo para execução, como a identificação de espécies. Neste estudo, utilizamos aprendizagem por transferência para obter um modelo classificador de aves da fauna do Brasil. Utilizando um banco de imagens com 1953 classes e mais de 600.000 imagens, desenvolvemos o modelo classificador utilizando a arquitetura ResNet50V2. O modelo alcançou 45% de acurácia no conjunto de validação, desempenho que pode ser melhorado em estudos futuros com a exploração de outras técnicas e métodos. Esse trabalho destaca a importância de fornecer à sociedade uma ferramenta para identificação de aves de uma das maiores biodiversidades da Terra.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherDois Vizinhos-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEspecialização em Ciência de Dados-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightsAttribution-ShareAlike 4.0 International-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-sa/4.0/-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectAnimais - Identificação-
Palavras-chave: dc.subjectFotografia de animais-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectAnimals - Identification-
Palavras-chave: dc.subjectPhotography of animals-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleIdentificação de aves da fauna do Brasil através de aprendizado profundo para classificação de imagens-
Título: dc.titleIdentification of birds from the Brazilian fauna through deep learning for image classification-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.