Classificação automática de imagens felinas utilizando redes neurais convolucionais

Este estudo investiga a eficácia do modelo ResNet50 pré-treinado na classificação automática de imagens felinas, utilizando uma abordagem de transfer learning com a base de dados ImageNet. A pesquisa foi conduzida através da implementação de um sistema de classificação que processa imagens de felinos e retorna predições com suas respectivas probabilidades. O modelo foi testado em uma imagem específica de um gato doméstico, obtendo resultados que demonstram a capacidade de diferenciação entre subespécies felinas com precisões variando entre 22,74% e 25,80% para as três principais classificações: tabby (25,80%), tiger cat (25,56%) e Egyptian cat (22,74%). Os resultados indicam que, embora o modelo apresente capacidade de reconhecimento de padrões felinos, existe uma proximidade significativa entre as probabilidades das diferentes classificações, sugerindo a complexidade inerente na distinção de subespécies de felinos domésticos. A metodologia empregada demonstra a viabilidade do uso de redes neurais convolucionais profundas para aplicações de classificação zoológica, com potencial para desenvolvimento de sistemas automatizados de identificação de espécies em contextos de pesquisa biológica e veterinária.