Estudo sobre redes neurais de aprendizado profundo com aplicações em classificação de imagens

Abstract

Em meio a tantos avanços tecnológicos, o estudo e a procura de desenvolvimento de técnicas de inteligência artificial tem ganhado um grande destaque na comunidade acadêmica e científica, entre elas estão as redes neurais. As redes neurais se incluem no universo de técnicas de aprendizado de máquina em que uma rede é treinada para identificar padrões e, assim como o cérebro, após o aprendizado, tornar o conteúdo adquirido disponível para uso. Uma aplicação de grande importância das redes neurais é o reconhecimento de imagem. Esse tipo de aplicação exige uma arquitetura conhecida como redes neurais de aprendizado profundo, ou deep learning, onde a ideia é adicionar mais camadas para ampliar sua capacidade de aprendizado e de generalização. Ou seja, aprender os padrões desejados em imagens durante o processo de treinamento e ser capaz de generalizar esse conhecimento para observações que nunca foram vistas antes pela rede. Nos últimos anos, as redes neurais convolucionais têm ganhado grande importância em tarefas de classificação, devido a sua arquitetura, que fazem essas redes serem modelos seletivos e invariantes. Este estudo apresenta um exercício de avaliação comparativa entre diversas arquiteturas de redes neurais e redes neurais de aprendizado profundo em tarefas de classificação de imagens.