
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 | Oliva, Jefferson Tales | - |
| Autor(es): dc.contributor | Teixeira, Marcelo | - |
| Autor(es): dc.contributor | Casanova, Dalcimar | - |
| Autor(es): dc.creator | Migliorini, Gustavo Henrique | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T13:06:48Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T13:06:48Z | - |
| Data de envio: dc.date.issued | 2023-07-07 | - |
| Data de envio: dc.date.issued | 2023-07-07 | - |
| Data de envio: dc.date.issued | 2022-11-09 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/31716 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1107563 | - |
| Descrição: dc.description | Deep 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.description | Aplicações 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.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Dois Vizinhos | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Especialização em Ciência de Dados | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | Attribution-ShareAlike 4.0 International | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/4.0/ | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Animais - Identificação | - |
| Palavras-chave: dc.subject | Fotografia de animais | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | Animals - Identification | - |
| Palavras-chave: dc.subject | Photography of animals | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
| Título: dc.title | Identificação de aves da fauna do Brasil através de aprendizado profundo para classificação de imagens | - |
| Título: dc.title | Identification of birds from the Brazilian fauna through deep learning for image classification | - |
| 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: