Análise Comparativa de Redes Neurais Convolucionais no Reconhecimento de Cenas

Souza, Victor Barbosa de; Silva, Luan; Santos, Adam; Araújo, Leandro Martins Costa de

doi:10.14210/cotb.v11n1.p419-426

Cited by 7 publications

(6 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The performance of a CNN in object recognition was estimated by evaluation metrics. Commonly, the metrics were derived from a confusion matrix that categorizes the model's hits and misses in rows and columns into four variables: true positive (TP) when correctly identified, false positive (FP) when the object is wrongly detected, true negative (TN) when a result in which the model correctly predicted the negative class, and false negative (FN) when a result in which the model incorrectly predicted the negative class [29].…”

Section: Evaluation Metricsmentioning

confidence: 99%

Convolutional Neural Networks in the Inspection of Serrasalmids (Characiformes) Fingerlings

Fernandes,

Costa,

França

et al. 2024

Animals

View full text Add to dashboard Cite

Aquaculture produces more than 122 million tons of fish globally. Among the several economically important species are the Serrasalmidae, which are valued for their nutritional and sensory characteristics. To meet the growing demand, there is a need for automation and accuracy of processes, at a lower cost. Convolutional neural networks (CNNs) are a viable alternative for automation, reducing human intervention, work time, errors, and production costs. Therefore, the objective of this work is to evaluate the efficacy of convolutional neural networks (CNNs) in counting round fish fingerlings (Serrasalmidae) at different densities using 390 color photographs in an illuminated environment. The photographs were submitted to two convolutional neural networks for object detection: one model was adapted from a pre-trained CNN and the other was an online platform based on AutoML. The metrics used for performance evaluation were precision (P), recall (R), accuracy (A), and F1-Score. In conclusion, convolutional neural networks (CNNs) are effective tools for detecting and counting fish. The pre-trained CNN demonstrated outstanding performance in identifying fish fingerlings, achieving accuracy, precision, and recall rates of 99% or higher, regardless of fish density. On the other hand, the AutoML exhibited reduced accuracy and recall rates as the number of fish increased.

show abstract

Section: Evaluation Metricsmentioning

confidence: 99%

Convolutional Neural Networks in the Inspection of Serrasalmids (Characiformes) Fingerlings

Fernandes,

Costa,

França

et al. 2024

Animals

View full text Add to dashboard Cite

show abstract

“…Segundo Souza et al (2020) a CNN vem sendo cada vez mais utilizada na classificação de imagens, sejam elas imagens médicas, placas de trânsito, objetos ou cenas. Os autores conceituam CNN enquanto arquiteturas biologicamente inspiradas capazes de serem treinadas e aprenderem representações invariantes à escala, translação, rotação e transformações afins [12]. Descrevem que uma CNN "é composta pelas seguintes camadas: camada convolucional, camada de agrupamento e camada totalmente conectada.…”

Section: Metodologiaunclassified

“…Consideram como principal camada dessas redes a convolucional que trazem a função de aplicar máscaras nas imagens de entrada, com base em uma vizinhança de pixels. "Com isso é possível obter filtros de convolução (matrizes) que armazenam os pesos das conexões entre os neurônios" [12].…”

Section: Metodologiaunclassified

Perspectivas Tecnológicas Do Uso De Imagens Médicas Para Avaliação E Diagnóstico Da Covid-19

Neto¹,

Batista²

2023

Anais Da Semana Nacional De Engenharia Nuclear E Da Energia E Ciências Das Radiações

View full text Add to dashboard Cite

Em dezembro de 2019, na China foi identificado um novo tipo de coronavírus, responsável pela Covid-19. Manifestando-se com sintomas respiratórios inespecíficos, rapidamente evoluiu para uma contaminação de escala global. Nesse cenário, a radiologia desempenhou um papel importante no auxílio do seu diagnóstico. Foram propostos e divulgados novos métodos para diagnóstico a partir da imagiologia médica, embora limitados por sua falta de especificidade. O presente trabalho foi desenvolvido com o objetivo de realizar uma pesquisa sobre as inovações propostas para diagnóstico e avaliação da Covid-19 na área da radiologia, a partir de um estudo por patentes relacionadas, publicadas entre os anos de 2020-2021. Uma vez que as imagens médicas não são consideradas como exame padrão para investigação da Covid-19, o estudo buscou identificar esforços tecnológicos que visassem melhorar sua contribuição diagnóstica. Considera-se que avanços tecnológicos sejam mais rapidamente notados através do estudo por patentes, justificando o levantamento do cenário patentário. A pesquisa por patentes é uma importante ferramenta de prospecção tecnológica e de construção de cenários em Pesquisa e Desenvolvimento (P&D). Foi executado utilizando o Sistema Questel Orbit®, sendo a base para discussão das perspectivas tecnológicas no estudo e diagnóstico da Covid-19 utilizando imagens médicas. Como resultado, observou-se o uso dos principais aspectos imagiológicos da Covid-19 para quantificação dos achados pulmonares com auxílio de Inteligência Artificial (IA). Das 42 patentes avaliadas, 30 citavam a IA como recurso auxiliar no diagnóstico. Trabalhos têm sido desenvolvidos de forma isolada por cessionários dos Estados Unidos, Índia, China, Austrália e Alemanha. As patentes demonstraram, em grande maioria, relação com o diagnóstico da Covid-19 e seu acompanhamento, trazendo inovação relacionada ao uso de IA associada à Tomografia Computadorizada (TC) e radiografia médica (RX). Os principais segmentos tecnológicos mobilizados foram da Tecnologia Médica e Tecnologia Computacional, além de Medidas, Análise de Materiais Biológicos e Biotecnologia. Os resultados demonstraram esforços na associação entre processamento computacional de dados oriundos de banco de dados de imagens médicas como auxiliar no diagnóstico dos achados pulmonares. Isso retoma a principal limitação das técnicas por imagem no diagnóstico da Covid-19, no que se refere a falta de especificidade correlacional entre os achados e acometimentos pulmonares especificamente vinculados com a infecção por coronavírus. Traz, portanto, um viés essencialmente tecnológico ao diagnóstico da Covid-19 por meio de imagens médicas.

show abstract

“…Essa arquitetura trabalha na proposta em que as camadas continuem a receber os valores resultantes das func ¸ões de ativac ¸ão Rectified Linear Unit, da camada anterior, mas também recebam os valores de entrada x dessas func ¸ões [Souza et al 2020]. [Block et al 2018] complementa ao afirmar que em algumas arquiteturas convencionas de redes neurais convolucionais o erro calculado é retro propagado e passado diretamente de uma camada para a próxima de forma linear, fazendo assim com que o gradiente seja recalculado em toda a rede.…”

Section: Figura 1 Arquitetura Da Rede Neural Convolucional Resnetunclassified

Avaliação de Desempenho Utilizando Diferentes Arquiteturas de Aprendizagem Profunda a Partir de Dados Relacionados a Precipitação Pluviométrica Coletados por Estação Meteorológica Automática

Sousa¹,

Brito²,

Ximenes³

2021

Anais Do XIV Encontro Unificado De Computação Do Piauí (ENUCOMPI 2021)

View full text Add to dashboard Cite

As chuvas exercem um importante papel no contexto social por trazerem a possibilidade de planejamento para o cultivo e colheita de várias culturas alimentares. Dessa forma o estudo teve como finalidade a predição de precipitações pluviométricas através da aplicação das Redes Neurais Convolucionais. Para a metodologia utilizou-se de uma base de dados colhida por uma estação meteorológica automática e da aplicação das arquiteturas LeNet, VGGNet e ResNet, assim como das técnicas k-fold, SMOTE e normalização z-score. Os resultados demonstraram que a arquitetura VGGNet obteve a melhor taxa média de acerto com 91,53%, quanto a especificidade e taxa de falso positivo a LeNet obteve os melhores resultados com 95,23% e 4,77% respectivamente.

show abstract

Análise Comparativa de Redes Neurais Convolucionais no Reconhecimento de Cenas

Cited by 7 publications

References 19 publications

Convolutional Neural Networks in the Inspection of Serrasalmids (Characiformes) Fingerlings

Convolutional Neural Networks in the Inspection of Serrasalmids (Characiformes) Fingerlings

Perspectivas Tecnológicas Do Uso De Imagens Médicas Para Avaliação E Diagnóstico Da Covid-19

Avaliação de Desempenho Utilizando Diferentes Arquiteturas de Aprendizagem Profunda a Partir de Dados Relacionados a Precipitação Pluviométrica Coletados por Estação Meteorológica Automática

Contact Info

Product

Resources

About