Classificação de Flores Utilizando Transfer Learning com Deep Learning

Nesse projeto utilizo Transfer Learning para classificar imagens de flores em 5 categorias: margarida, dente de leão, rosas, girassóis e tulipas. Realizei a implementação em Python no ambiente Google Colab, usando uma base de dados de flores no TensorFlow.

Tecnologias e Ferramentas Utilizadas

• Linguagem: Python

• Ambiente de Desenvolvimento: Google Colab

• Bibliotecas Principais:

  • TensorFlow/Keras
  • Matplotlib
  • NumPy

• Base de Dados: imagens de flores do TensorFlow (https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz)

Estrutura do Projeto

• transfer-learning.ipynb: Código-fonte principal para treinar e avaliar o modelo.
• flowers_photos: Diretório que contém um arquivo .zip com as imagens das flores organizadas em subpastas, sendo cada subpasta correspondente a uma classe.
• README.md: Documentação do projeto.

Base de Dados

Contém:

• 633 imagens de margaridas
• 898 imagens de dente-de-leão
• 641 imagens de rosas
• 699 imagens de girassóis
• 799 imagens de tulipas As imagens foram organizadas em 5 pastas, cada uma de um tipo de flor pertencente.

Exemplos de Resultados

No conjunto de validação, observa-se uma estabilização tanto na acurácia quanto na perda, indicando que o modelo conseguiu aprender padrões relevantes dos dados.