1. Repositório Institucional UFC
2. UFC - Graduação e Tecnólogo - Trabalhos de Conclusão de Curso (TCC)
3. ENGENHARIA DE COMPUTAÇÃO-SOBRAL
4. ENGENHARIA DE COMPUTAÇÃO-SOBRAL - Monografias

Tipo:	TCC
Título:	Análise do desempenho de redes adversárias generativas como um método de aumento de dados de imagens da mucosa ocular de ovinos
Autor(es):	Moreira, Andressa Gomes
Orientador:	Paula Júnior, Iális Cavalcante de
Palavras-chave:	Redes adversárias generativas;Aumento de dados;Classificação;Redes neurais convolucionais
Data do documento:	2022
Citação:	MOREIRA, A. G. Análise do desempenho de redes adversárias generativas como um método de aumento de dados de imagens da mucosa ocular de ovinos. 2022. 75 f. Monografia (Graduação em Engenharia de Computação), Universidade Federal do Ceará, Sobral, 2022.
Resumo:	Tarefas de classificação de imagens, realizadas por redes neurais profundas, exigem um grande volume de dados de treinamento para alcançar o aprendizado efetivo do modelo. Entretanto, fatores como a escassez de informações afetam o desempenho do classificador, visto que os dados na maioria das vezes são formados por poucas imagens ou não estão disponíveis publicamente para uso. Nesse contexto, para expandir de forma significativa a base de dados e mitigar a falta de dados rotulados, são utilizados os métodos de Aumento de Dados (DA). A priori, a aplicação de Transformações de Imagens no conjunto de treinamento é uma técnica amplamente utilizada. Ademais, uma nova abordagem é a utilização de Generative Adversarial Network (GAN), capaz de gerar dados sintéticos plausíveis a partir dos dados originais. Portanto, este trabalho propõe a análise da eficiência de uma GAN como um método de DA. Dessa forma, foi realizado o aumento do número de instâncias da base dados de imagens da mucosa ocular de ovinos, utilizadas no desenvolvimento de um sistema computacional para a detecção da anemia nesses animais. Dessarte, os modelos de classificação EfficienteNetB0V2, InceptionV3 e ResNet101V2 foram treinados com base no conjunto de dados original, em seguida, pelo conjunto de treinamento expandido por técnicas de aumento de dados tradicionais e, por fim, com os dados de treinamento aumentados com as imagens geradas pela GAN. Portanto, o desempenho de todos os modelos utilizados neste trabalho apresentou uma melhora significativa em valores de acurácia média de validação ao serem treinados com a base de dados expandida com imagens geradas pela GAN.
Descrição:	Este documento está disponível online com base na Portaria nº 348, de 08 de dezembro de 2022, disponível em: https://biblioteca.ufc.br/wp-content/uploads/2022/12/portaria348-2022.pdf, que autoriza a digitalização e a disponibilização no Repositório Institucional (RI) da coleção retrospectiva de TCC, dissertações e teses da UFC, sem o termo de anuência prévia dos autores. Em caso de trabalhos com pedidos de patente e/ou de embargo, cabe, exclusivamente, ao autor(a) solicitar a restrição de acesso ou retirada de seu trabalho do RI, mediante apresentação de documento comprobatório à Direção do Sistema de Bibliotecas.
URI:	http://www.repositorio.ufc.br/handle/riufc/70525
Aparece nas coleções:	ENGENHARIA DE COMPUTAÇÃO-SOBRAL - Monografias

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.