|
Abstract:
|
Diante do progressivo desaparecimento do saber-fazer da pesca artesanal em
Florianópolis, Santa Catarina, este trabalho teve como objetivo geral desenvolver um
modelo de Deep Learning (DL) voltado à classificação de imagens de peixes e
outros animais marinhos, visando a documentação e difusão deste patrimônio
cultural. Para tanto, estruturou-se um dataset próprio com 963 imagens de oito
espécies de relevância local (incluindo peixes e crustáceos), compilado a partir de
fontes públicas e coleta primária. A metodologia empregou a técnica de Transfer
Learning para implementar e comparar duas arquiteturas de Redes Neurais
Convolucionais (CNNs): MobileNetV2 e ResNet50V2. O desenvolvimento, conduzido
no ambiente Google Colab, incluiu pré-processamento, aumento de dados (Data
Augmentation) e quatro experimentos principais variando hiperparâmetros. Os
resultados demonstraram a alta viabilidade da abordagem, com acurácias superiores
a 95% em todos os testes. Conclui-se que, apesar do desempenho similar na
classificação, o MobileNetV2 é significativamente mais leve que o ResNet50V2,
consolidando-se como a arquitetura mais eficiente e ideal para uma futura aplicação
móvel. |
