Classificação de espécies de aranha utilizando Transformers Visuais e Redes Convolucionais
Arthur Teixeira Magalhães
Nina Sumiko Tomita Hirata
Monografia
Repositório
Proposta
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.