Início > Ricardo Henrique da Silva Lyra > Análise Comparativa de Modelos de CNN para Classificação de Imagens
Análise Comparativa de Modelos de CNN para Classificação de Imagens

Análise Comparativa de Modelos de CNN para Classificação de Imagens

por Ricardo Henrique da Silva Lyra • 14/12/2025 • atualizado em 14/12/2025

Este projeto realiza uma análise comparativa abrangente de três arquiteturas de Redes Neurais Convolucionais (CNNs) para classificação de imagens, usando Visão Computacional, Deep Learning e Treinamento Supervisionado. O objetivo principal é avaliar o desempenho e eficiência dos modelos em diferentes tipos de datasets, ajudando a determinar qual arquitetura é mais adequada para cenários específicos (alta precisão, sistemas legados ou aplicações móveis). Relatorio final dos resultados disponível no GitHub como: Relatório técnico comparativo de modelos pré.pdf

Estudo Comparativo de CNNs Pré-treinadas para Classificação de Imagens


Um estudo comparativo abrangente de redes neurais convolucionais (CNNs) pré-treinadas para tarefas de classificação de imagens, avaliando desempenho, eficiência computacional e capacidade de generalização em múltiplos datasets.

---

📌 Visão Geral do Projeto

Este projeto implementa e compara três arquiteturas de CNN state-of-the-art:

  • AlexNet
  • ResNet18
  • MobileNetV2

    • em três datasets de benchmark:

  • CIFAR-10
  • Fashion-MNIST
  • MNIST

    • Objetivo: identificar estratégias ótimas de seleção de modelos para diferentes cenários de aplicação.

    ---

    ❓ Principais Questões Abordadas

  • Qual modelo oferece o melhor trade-off entre acurácia e eficiência?
  • Como os modelos generalizam em diferentes datasets?
  • Quais são os requisitos computacionais para implantação?

---

Gostou deste projeto?

Conheça mais projetos de dados de Ricardo Henrique da Silva Lyra ou explore outros portfólios de profissionais da DataEngineer.Help.

Ver Mais Projetos de Dados de Ricardo Henrique da Silva Lyra Explorar Outros Portfólios