Estudo de redes neurais convolucionais e sua aplicação para classificação de ambientes

Abstract

Este trabalho apresenta a proposta de um sistema de reconhecimento de imagens baseado em aprendizado com Redes Neurais Convolucionais, com o intuito de classificar as fotos de imóveis por tipo de ambiente como sala, cozinha e quarto. Com este serviço integrado em uma aplicação web de locação e venda de imóveis, é possível categorizar todo o catálogo e a partir disso, ordenar apresentações, coletar dados, entre outras funções. Para tal, serão abordados os conceitos e técnicas necessárias para criar um classificador e assim obter um sistema automatizado para realização desta tarefa, economizando tempo e criando uma vantagem competitiva para com as outras plataformas. O sistema foi desenvolvido utilizando principalmente a biblioteca Fastai, escrita na linguagem de programação Python, e com o auxílio do ambiente de desenvolvimento Google Colab para treinamento e testes. Os objetivos deste trabalho foram atingidos com sucesso, ao gerar um modelo classificador com uma acurácia de 96,94% e tempo médio de inferência de 80ms utilizando a arquitetura Resnet com 50 camadas treinada por 10 épocas em um banco de dados de aproximadamente 16 mil fotos separadas em 6 classes.

This paper presents the proposal of an image recognition system based on Machine Learning and Convolutional Neural Networks, to classify residential pictures based on environments such as living room, kitchen, and bedroom. With this service integrated into a real estate application, it's possible to categorize the whole catalog and order it, collect data, and more. To achieve that, the concepts and techniques necessary to create a classifier and develop an automated system that realizes the described work will be detailed. This system was developed using the Fastai library, written in Python, using the Google Colab as a developing environment for training, test, and validation. The goals of this project were achieved, by creating a classification model with an accuracy of 96,94%, and an average processing time of 80 ms, using the Resnet architecture with 50 layers, trained with 10 epochs, in a database of almost 16 thousand pictures split into 6 labels.