Este projeto demonstra a aplicação de Transfer Learning em uma rede neural profunda para classificação de imagens.
O exemplo utiliza o dataset Cats vs Dogs, mas o código pode ser facilmente adaptado para qualquer outro dataset binário.
O objetivo é mostrar como reutilizar um modelo pré-treinado (MobileNetV2) e adaptá-lo para a tarefa de classificação de gatos e cachorros, reduzindo o tempo de treinamento e aumentando a precisão.
O dataset utilizado é o Cats vs Dogs, disponível publicamente no TensorFlow Datasets
ou no Microsoft Research.
- Transfer Learning: Utiliza o modelo MobileNetV2 pré-treinado no ImageNet.
- Feature Extraction: As camadas convolucionais do modelo base são mantidas congeladas (
trainable = False) para extrair características visuais relevantes. - Treinamento Supervisionado: Uma nova camada densa é adicionada e treinada para classificar entre gatos e cachorros.
- Visualização de Resultados: O notebook exibe gráficos de acurácia e perda durante o treinamento.
- Python 3.x
- Google Colab ou Jupyter Notebook
- Bibliotecas:
TensorFlow,TensorFlow Datasets,Matplotlib,NumPy,Pillow
Após o treinamento, o modelo atinge uma alta acurácia de validação (próxima de 98% em alguns testes).
Abaixo estão exemplos de previsões:
| Imagem | Previsão |
|---|---|
 |
Gato com 99% de confiança |
 |
Cachorro com 97% de confiança |
Este projeto está licenciado sob a licença MIT.
Consulte o arquivo LICENSE para mais detalhes.