Please use this identifier to cite or link to this item: https://ric.cps.sp.gov.br/handle/123456789/16477
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorGOMES, Roger Cristhian-
dc.contributor.advisorALMEIDA, Osvaldo César Pinheiro de-
dc.contributor.authorALMEIDA, Matheus Henrique Baldi de-
dc.date.accessioned2024-03-08T01:04:49Z-
dc.date.available2024-03-08T01:04:49Z-
dc.date.issued2017-01-
dc.identifier.citationALMEIDA, Matheus Henrique Baldi de. Desempenho da deep learning na análise e categorização de imagens de defeito de madeira, 2017. Artigo científico (Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas) - Faculdade de Tecnologia de Botucatu, 2017pt_BR
dc.identifier.urihttps://ric.cps.sp.gov.br/handle/123456789/16477-
dc.description.abstractA inteligência artificial, no que diz respeito ao campo de pesquisa, tem tido grandes avanços e contribuído bastante em várias áreas, tal como a análise e categorização de imagens com o aprendizado de máquinas. Existem várias técnicas específicas para o reconhecimento de imagens e sua categorização, e uma delas utiliza redes neurais artificiais, que envolve o estudo específico, a extração das características por meio da análise de dados da imagem do objeto que está sendo analisado e a especificação de qual será o impacto delas no modelo neural para cada uma das categorias, o que muitas vezes envolve a imersão do pesquisador numa área ou campo de pesquisa que não é o dele. A deep learning, utilizando-se das redes neurais convolucionais artificiais tem a capacidade de aprender e extrair as características durante o treinamento, sem a especificação dessas características no modelo, sendo que, geralmente, apresentam até mesmo resultados melhores do que aqueles observados por modelos de redes neurais que tiveram as características observadas programadas por humanos. O objetivo desse trabalho é aplicar a deep learning em um conjunto de imagens de tábuas de madeira, avaliando seu desempenho na categorização dessas imagens. Utilizando uma ferramenta chamada Keras, uma biblioteca python que auxilia no carregamento de conjuntos de dados, produção e avaliação de modelos de redes convolucionais, foram elaborados alguns modelos e avaliados seus desempenhos na análise e categorização de imagens de defeito de madeira, obtendo resultados promissores, sendo o melhor deles um percentual de erro na categorização de 5,44%.pt_BR
dc.description.sponsorshipCurso Superior de Tecnologia em Análise e Desenvolvimento de Sistemaspt_BR
dc.language.isopt_BRpt_BR
dc.publisher112pt_BR
dc.subjectAnálise de dadospt_BR
dc.subjectDeep learningpt_BR
dc.subject.otherInformação e Comunicaçãopt_BR
dc.titleDesempenho da deep learning na análise e categorização de imagens de defeito de madeirapt_BR
dc.title.alternativeDeep learning performance in wood defect images analysis and categorizationpt_BR
dc.typeArtigo científicopt_BR
Appears in Collections:Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
MATHEUS HENRIQUE BALDI DE ALMEIDA.pdfDesempenho da deep learning na análise e categorização de imagens de defeito de madeira3.03 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.