{"id":21058162,"url":"https://github.com/canokaue/eel7513","last_synced_at":"2025-12-31T00:25:42.679Z","repository":{"id":125737326,"uuid":"225657380","full_name":"canokaue/eel7513","owner":"canokaue","description":"Projeto final da disciplina EEL7513/EEL7514/EEL510417 - Introdução ao Aprendizado de Máquina.","archived":false,"fork":false,"pushed_at":"2019-12-07T21:42:00.000Z","size":12417,"stargazers_count":3,"open_issues_count":0,"forks_count":0,"subscribers_count":2,"default_branch":"master","last_synced_at":"2025-01-20T19:38:10.252Z","etag":null,"topics":["clothing-recognition","convolutional-neural-networks","cuda-support","deep-learning","deepfashion","eel7513","fashion-classifier","jupyter-notebooks","keras","machine-learning","machine-learning-algorithms","mobilenetv2","multi-label-classification","python3","pytorch","resnet-50","tensorflow","ufsc","vgg16","vgg16-model"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"gpl-3.0","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/canokaue.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2019-12-03T15:46:39.000Z","updated_at":"2022-07-04T10:18:49.000Z","dependencies_parsed_at":null,"dependency_job_id":"284ac4ee-9296-448b-9b06-b03a84a498d4","html_url":"https://github.com/canokaue/eel7513","commit_stats":null,"previous_names":[],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/canokaue%2Feel7513","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/canokaue%2Feel7513/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/canokaue%2Feel7513/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/canokaue%2Feel7513/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/canokaue","download_url":"https://codeload.github.com/canokaue/eel7513/tar.gz/refs/heads/master","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":243502827,"owners_count":20301128,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["clothing-recognition","convolutional-neural-networks","cuda-support","deep-learning","deepfashion","eel7513","fashion-classifier","jupyter-notebooks","keras","machine-learning","machine-learning-algorithms","mobilenetv2","multi-label-classification","python3","pytorch","resnet-50","tensorflow","ufsc","vgg16","vgg16-model"],"created_at":"2024-11-19T17:06:33.841Z","updated_at":"2025-12-31T00:25:42.595Z","avatar_url":"https://github.com/canokaue.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"\u003cimg src=\"img/icon.png\" align=\"right\" /\u003e\n\n# CNNs  para a Classificação Multirrótulo de Peças de Roupa [![EEL7513](https://cdn.rawgit.com/sindresorhus/awesome/d7305f38d29fed78fa85652e3a63e154dd8e8829/media/badge.svg)](https://geltro.ufsc.br/files/2016/07/EEL7514-T%C3%B3pico-Avan%C3%A7ado-em-Processamento-de-Sinais.pdf) [![made-with-python](https://img.shields.io/badge/Made%20with-Python-1f425f.svg)](https://www.python.org/) [![PyPI status](https://img.shields.io/pypi/status/ansicolortags.svg)](https://defend.wikileaks.org/donate/) [![PyPI format](https://img.shields.io/pypi/format/ansicolortags.svg)](https://drive.google.com/drive/folders/1U__8deYCj6fFf4255wSSm4RKl7oYQslK)\n\n\n\n\u003e Projeto desenvolvido colaborativamente com [Ruan Comelli](https://github.com/ruancomelli)\n\n\nMantendo em foco tanto a proposta de um classificador multi-label a nível próximo\nao estado-da-arte e ao mercado quanto o estudo estrutural do problema de classificação de\nimagens com números elevados de possibilidade de atributos, o presente trabalho definiu\ncomo objetivos principais:\n\n1. P-Net: Construir uma rede neural convolucional utilizando uma parte do conjunto DeepFashion, empregando\nmecanismos de atenção envolvendo landmarks (pontos limítrofes da peça de roupa)\npara a categorização de classe (tipos de roupa como camiseta, calça e blusa) e atributos\n(como azul, estampado e verão). \n\n\n2. K-Net: Expandir o mesmo trabalho, aplicado exclusivamente para a categorização de múltiplos atributos (excluindo a classificação e a detecção de landmarks), analisando diversos parâmetros de treino, bem como diferentes redes-base pré-treinadas no lugar da\nVGG16, como a ResNet50V2 e a MobileNetV2.\n\n\nPara otimizações e processamento de dados, bibliotecas como Scikit-learn (0.21.3),\nPandas (0.25.3) e Numpy (1.17.4) foram empregadas em ambos os códigos, todas elas em\nsuas versões mais recentes (02/12/2019) enquanto as redes foram construídas com as duas\nbibliotecas líderes do mercado de redes neurais para deep learning.\n\nA rede K-Net foi completamente desenvolvida utilizando a interface integrada\nde desenvolvimento Google Colab utilizando funções e redes-base do Tensorflow 1.15.0 e\nKeras 2.2.5.\n\nJá a rede P-Net foi desenvolvida pela interface do Visual Studio Code 1.40.1 com a\nbiblioteca Pytorch 1.3.1 para Cuda 10.1, contando com uma estrutura clássica de projetos\nem Python - modularização de funções e variáveis em diversos arquivos com execução por\nterminal de comandos Unix.\n\nResultados:\n\n\u003cimg src=\"img/errate.png\" align=\"center\" /\u003e\n\u003cimg src=\"img/epochs.png\" align=\"center\" /\u003e\n\u003cimg src=\"img/nets.png\" align=\"center\" /\u003e\n\u003cimg src=\"img/predict.png\" align=\"center\" /\u003e\n\nO relatório final entregue pode ser acessado pela pasta /docs, juntamente à proposta inicial.","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fcanokaue%2Feel7513","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fcanokaue%2Feel7513","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fcanokaue%2Feel7513/lists"}