Treinar uma rede capaz de identificar qual vegetal apresentado dentre os utilizados no treinamento (Feijão, cabaça amarga, cabaça, berinjela, brócolis, repolho, pimentão, cenoura, couve-flor, pepino, mamão, batata, abóbora, rabanete, tomate) esta sendo apresentado a partir de uma nova foto de um vegetal.
- URL: vegetable-image-dataset
- Número de classes/vegetais: 15.
- Classificações possíveis: Bean, Bitter Gourd, Bottle Gourd, Brinjal, Broccoli, Cabbage, Capsicum, Carrot, Cauliflower, Cucumber, Papaya, Potato, Pumpkin, Radish, Tomato.
- Número de imagens de treino: 1000 imagens de treino para cada vegetal. 15000 imagens de treino no total.
- Número de imagens de teste: 200 imagens de teste para cada vegetal. 3000 imagens de teste no total.
Pasta com os resumos e artigos: revisão_literaria
Para rodar os códigos faça o upload dos arquivos ipynb que são um Colab Notebook, ou Jupyter Notebook. É possivel baixar a extensão do Jupyter Notebook no VSCode e rodar as células. Ou importar o arquivo diretamente na sua conta do Colab e rodar as células. Não esqueça de alterar os caminhos de arquivos. Baixe o dataset para rodar o constructor. Baixe o modelo para rodar a inferência.
- Gabriela Cristina Schmitt (25733150)
- Felipe dos Santos Fabienski (8113112368)
- Luiz Henrique Vieira Steff (25878301)
- Elton Aparecido de Campos (8113118692766)
✨ Obrigada pela atenção! ✨