Este projeto tem como objetivo treinar uma rede neural para classificar imagens do Fashion MNIST com alta precisão, utilizando técnicas avançadas de aprendizado profundo e visão computacional.
O conjunto de dados utilizado é o Fashion MNIST, uma versão modificada do popular MNIST. Consiste em imagens em escala de cinza (grayscale) de roupas, sapatos e acessórios em um formato de 28x28 pixels.
Total de Imagens: 70.000
Treinamento: 60.000 imagens
Teste: 10.000 imagens
As imagens estão associadas a rótulos que representam a categoria de cada peça de vestuário ou acessório, com 10 categorias diferentes no total.
Treinar uma rede neural para classificar corretamente as imagens do Fashion MNIST nas 10 categorias, utilizando técnicas avançadas de aprendizado profundo e visão computacional.
A métrica-chave para avaliar o desempenho do modelo é a acurácia, que mede a proporção de previsões corretas em relação ao total de previsões. O modelo alcançou uma acurácia impressionante de aproximadamente 90.75% nos dados de teste, demonstrando sua eficácia na tarefa de classificação.
Notebook Principal (keras_fashion_mnist_dp_cnn_pedrohv.ipynb)
Fique à vontade para explorar o código, experimentar com diferentes arquiteturas de rede neural ou contribuir para o aprimoramento deste projeto. Se tiver sugestões ou perguntas, não hesite em entrar em contato!
🚀✨ #MachineLearning #DeepLearning #FashionMNIST #VisaoComputacional