Classificação de espécies de aranha utilizando Transformers Visuais e Redes Convolucionais

Resumo

A identificação de espécies de aranhas é fundamental, não apenas para evitar acidentes, mas também para aplicações em diversos campos como agricultura, biologia, educação e pesquisa acadêmica. Propomos uma abordagem por meio de aprendizagem profunda para classificar espécies de aranhas a partir de suas imagens. Para tanto, utilizamos um conjunto de 25 espécies brasileiras e cerca de 25.000 imagens disponíveis publicamente no site INaturalist. Empregamos uma série de arquiteturas eficazes em classificação, incluindo ResNet, ResNeXt, ConvNeXt, ViT, Swin e MaxViT para avaliar suas eficácias e obter um modelo final preciso. Os resultados indicaram que, entre os Transformers, o MaxViT se destaca com uma acurácia de 88.84%. Quanto às redes convolucionais, ConvNeXt superou suas concorrentes, registrando uma acurácia de 89.38%, além de superar os outros modelos em uma comparação direta de suas métricas de desempenho. Em conjunto, esses resultados podem contribuir para o desenvolvimento de aplicações práticas destinadas a identificar aranhas e fornecer informações de interesse sobre as espécies.