Please use this identifier to cite or link to this item: http://repositorio.ufc.br/handle/riufc/70525
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorPaula Júnior, Iális Cavalcante de-
dc.contributor.authorMoreira, Andressa Gomes-
dc.date.accessioned2023-02-08T11:38:57Z-
dc.date.available2023-02-08T11:38:57Z-
dc.date.issued2022-
dc.identifier.citationMOREIRA, 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.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/70525-
dc.descriptionEste 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.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectRedes adversárias generativaspt_BR
dc.subjectAumento de dadospt_BR
dc.subjectClassificaçãopt_BR
dc.subjectRedes neurais convolucionaispt_BR
dc.titleAnálise do desempenho de redes adversárias generativas como um método de aumento de dados de imagens da mucosa ocular de ovinospt_BR
dc.typeTCCpt_BR
dc.description.abstract-ptbrTarefas 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.pt_BR
Appears in Collections:ENGENHARIA DE COMPUTAÇÃO-SOBRAL - Monografias

Files in This Item:
File Description SizeFormat 
2022_tcc_agmoreira.pdfMOREIRA, 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, 2022.3,35 MBAdobe PDFView/Open
Show simple item record


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