Classificação de Imagens Usando Modelos de Redes Neurais Convolucionais com PyTorch

Este projeto tem como objetivo explorar três abordagens de classificação de imagens usando CNNs com PyTorch:

• Treinamento de uma rede do zero.
• Uso de uma rede pré-treinada sem ajustes.
• Fine-tuning de uma rede pré-treinada.

O dataset utilizado será o CIFAR-10, e as redes serão avaliadas com métricas como accuracy, precision, recall e F1-score.

Índice

• Modelos e Dataset
• Estrutura do Projeto
• Comparação dos modelos
• Execução dos Notebooks
• Dependências e Pacotes necessários

Modelos e Dataset

Dataset (CIFAR-10)

O CIFAR-10 (Canadian Institute For Advanced Research) é um conjunto de dados utilizado em tarefas de classificação de imagens e treinamento de modelos de aprendizado de máquina. Ele consiste em:

• 10 classes: avião, automóvel, pássaro, gato, cervo, cachorro, sapo, cavalo, navio e caminhão.
• 60.000 imagens coloridas, de 32x32 pixels.
  • 50.000 imagens no conjunto de treinamento.
  • 10.000 imagens no conjunto de teste.
• As imagens estão em formato RGB, e cada uma é associada a um rótulo de classe correspondente.
• As classes são mutuamente exclusivas e não possuem sobreposição entre as categorias.

Amostra de imgens CIFAR-10:

MODELOS USADOS

Membro	Modelo	Link colab	Arquivo local
André Burger	ResNet	Resnet Colab	Resnet Notebook
Lucas Soares	Inception v3	Inception Colab	-
Pedro Flores	MaxVit	MaxVit Colab	-
Gabriel Lima	-	Colab Gabriel	-

Estrutura do Projeto

Cada modelo foi treinado e inferido em uma estrutura padronizada, esse processo foi repetido para as três versões do mesmo modelo:

• Treinamento de uma rede do zero.
• Uso de uma rede pré-treinada sem ajustes.
• Fine-tuning de uma rede pré-treinada.

Estrutura

1. Download do dataset
2. Plotagem de imagens do dataset
3. Modelos, critérios e otimizadores das redes
4. Treino das redes
5. Plotagem das métricas de avaliação das redes

Comparação dos modelos

Algumas plotagens e inferências visando comparar a eficiência dos modelos escolhidos.

Matriz de confusão:

A matriz de confusão mostra o número de classificações corretas e incorretas em cada classe. Comparando as matrizes de confusão dos modelos, é possível identificar quais classes foram mais facilmente reconhecidas e onde os erros de classificação foram mais frequentes.

Métricas de avaliação

As métricas de avaliação incluem a acurácia, precisão, recall e F1-score, que fornecem uma visão quantitativa do desempenho dos modelos. A acurácia mede a proporção de previsões corretas, enquanto a precisão indica a porcentagem de classificações corretas para uma determinada classe. O recall mede a capacidade do modelo de identificar todas as instâncias de uma classe, e o F1-score oferece um balanço entre precisão e recall. Essas métricas são fundamentais para a comparação objetiva dos modelos em relação à sua capacidade de generalização.

Execução dos Notebooks

Os modelos usados nesse projeto foram treinados e executados em ambiente Jupyter. Os Notebooks com os códigos se disponibilizam em dois ambientes:

• Google Colab
• Ambiente local

Google colab

O Google Colab é uma plataforma gratuita baseada na nuvem que permite criar e executar notebooks Jupyter diretamente no navegador. O Colab fornece acesso a GPUs e TPUs gratuitamente. A execução do código em ambiente colab é simples, basta conectar o Notebook ao servidor do Google e executar as células.

Ambiente Local

Os arquivos com extensão .ipynb que estão localizados na pasta /notebooks podem ser executados localmente instalando as bibliotecas e dependências necessárias. Os pesos gerados pelos modelos já treinados também podem ser instalados através da pasta /models_weights.

Dependências e Pacotes necessários

Caso necessário a utilização de uma máquina local, as bibliotecas usadas no projeto podem ser encontradas no arquivo requirements.txt. A criação de um ambiente virtual ajuda com o controle de pacotes. A instalação das bibliotecas pode ser executada da seguinte maneira no terminal:

  pip install -r requirements.txt