Classificação de espécies de aranha utilizando Transformers Visuais e Redes Convolucionais

• Processo: 22/14286-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de janeiro de 2023
• Data de Término da vigência: 31 de dezembro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Nina Sumiko Tomita Hirata
• Beneficiário: Arthur Teixeira Magalhães
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 15/22308-2 - Representações intermediárias em Ciência Computacional para descoberta de conhecimento, AP.TEM
• Assunto(s): Aprendizado computacional Classificação de imagens Aprendizagem profunda Redes neurais convolucionais Visão computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Classificação de Imagens | Deep Learning | Redes Neurais convolucionais | Transformers visuais | Visão Computacional | Visão Computacional

Resumo

As aranhas procuram frequentemente abrigo no calor e segurança das residências e, embora a maioria delas seja inofensiva, algumas podem representar um perigo real. Assim, uma vez que diferenciar espécies de aranhas pode ser um desafio para pessoas sem conhecimento prévio, ter uma forma de identificá-las poderia ser útil para evitar aquelas que são venenosas. Para solucionar esta questão, neste projeto propomos estudar e comparar redes neurais convolucionais (CNN) e vision transformers (ViT) quanto ao desempenho na tarefa de reconhecimento de espécies de aranhas a partir de suas imagens.Estas técnicas efetuam a extração automática de características e aprendem representações de alto nível das imagens, sendo atualmente amplamente utilizadas, por exemplo, em detecção de objetos e classificação de imagens. Especificamente, objetivamos avaliar o potencial dessas redes para a tarefa de classificação de espécies de aranhas, incluindo comparações de desempenho quantitativas e qualitativas entre os dois tipos de redes. Para isso, utilizaremos o banco de dados de fotos de aracnídeos do INaturalist. Os resultados deste projeto poderão contribuir para o desenvolvimento de aplicativos voltados para a identificação de aranhas e fornecimento de informações de interesse sobre as espécies.