{"id":20258373,"url":"https://github.com/than-dev/dog-vision-training-model","last_synced_at":"2026-05-01T22:35:25.175Z","repository":{"id":262372082,"uuid":"870459557","full_name":"than-dev/dog-vision-training-model","owner":"than-dev","description":"a project that use a dog image database to train a model and identify breeds by pictures.","archived":false,"fork":false,"pushed_at":"2024-11-29T13:22:45.000Z","size":39699,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-12-03T07:37:33.981Z","etag":null,"topics":["inteligencia-artificial","machine-learning","python","tensorflow"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/than-dev.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"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":"2024-10-10T04:49:13.000Z","updated_at":"2024-11-29T13:22:48.000Z","dependencies_parsed_at":"2025-03-03T18:48:00.095Z","dependency_job_id":null,"html_url":"https://github.com/than-dev/dog-vision-training-model","commit_stats":null,"previous_names":["than-dev/dog-vision-training-model"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/than-dev/dog-vision-training-model","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/than-dev%2Fdog-vision-training-model","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/than-dev%2Fdog-vision-training-model/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/than-dev%2Fdog-vision-training-model/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/than-dev%2Fdog-vision-training-model/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/than-dev","download_url":"https://codeload.github.com/than-dev/dog-vision-training-model/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/than-dev%2Fdog-vision-training-model/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":32515838,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-04-30T13:12:12.517Z","status":"online","status_checked_at":"2026-05-01T02:00:05.856Z","response_time":64,"last_error":null,"robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":true,"can_crawl_api":true,"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":["inteligencia-artificial","machine-learning","python","tensorflow"],"created_at":"2024-11-14T11:08:33.329Z","updated_at":"2026-05-01T22:35:25.147Z","avatar_url":"https://github.com/than-dev.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"## Identificação de Raças de Cães\n\nBem-vindo ao projeto de Identificação de Raças de Cães! Este projeto tem como objetivo desenvolver um modelo de aprendizado de máquina para identificar raças de cães a partir de imagens, utilizando TensorFlow e a arquitetura MobileNetV2 com o otimizador Adam. O objetivo é criar um modelo preciso que possa reconhecer várias raças de cães, fornecendo insights sobre a visão canina e auxiliando em aplicações como cuidados com animais de estimação e reconhecimento de raças.\n\n**Explore o projeto diretamente no Google Colab:** [Identificação de Raças de Cães](https://colab.research.google.com/drive/1vI332JRfo66w7emKpQr9cutqkb9uBW8r?usp=sharing)\n\n## Descrição do Projeto\n\nIdentificar raças de cães a partir de imagens envolve analisar características visuais específicas de cada raça. Este projeto utiliza técnicas de aprendizado profundo para construir um modelo capaz de reconhecer e classificar raças de cães com base em imagens de entrada. A utilização do TensorFlow e da arquitetura MobileNetV2 garante um treinamento eficiente e alta precisão na identificação de raças.\n\n## Arquitetura do Modelo\n\nA arquitetura do modelo utilizada neste projeto é baseada no MobileNetV2, uma rede neural convolucional (CNN) de última geração otimizada para aplicações de visão em dispositivos móveis e incorporados. O MobileNetV2 oferece um bom equilíbrio entre tamanho do modelo e precisão, tornando-o adequado para implantação em dispositivos com recursos limitados.\n\n## Conjunto de Dados\n\nO conjunto de dados utilizado para treinamento e avaliação consiste em imagens de várias raças de cães. É essencial ter um conjunto de dados diversificado e representativo para garantir a capacidade do modelo de generalizar para dados não vistos de forma eficaz. O conjunto de dados pode incluir raças de cães populares, raças raras e variações de pose, condições de iluminação e fundos para aumentar a robustez do modelo.\n\nOs dados que estamos usando são da Competição de Identificação de Raças de Cães do Kaggle.\n**Dados:** https://www.kaggle.com/c/dog-breed-identification/data\n\n## Pré-processamento de Dados\n\nO pré-processamento de dados desempenha um papel crucial na preparação do conjunto de dados para o treinamento. As etapas comuns de pré-processamento podem incluir:\n\n- Redimensionamento de imagens para um tamanho padrão compatível com a entrada do modelo.\n- Normalização dos valores dos pixels para uma escala comum (por exemplo, [0, 1]).\n- Aumento do conjunto de dados com técnicas como rotação, inversão e alteração de cores para aumentar a variabilidade e melhorar a generalização do modelo.\n\n## Treinamento\n\nO modelo é treinado usando a estrutura TensorFlow com a arquitetura MobileNetV2. O otimizador Adam é empregado para otimizar os parâmetros do modelo e minimizar a perda de classificação. Durante o treinamento, o modelo aprende a extrair características significativas de imagens de entrada e fazer previsões sobre a raça de cães presente em cada imagem.\n\n## Avaliação\n\nA avaliação envolve gerar probabilidades de previsão para cada raça de cão de cada imagem de teste. Essas probabilidades de previsão podem ser comparadas com rótulos verdadeiros para avaliar o desempenho do modelo na classificação precisa de raças de cães. O processo de avaliação ajuda a fornecer insights sobre a eficácia do modelo em identificar raças de cães a partir de imagens.\n\n## Arquivos do Projeto\n\n### `main.py`\n\nEste arquivo é responsável por receber a imagem e utilizar o modelo treinado para realizar a previsão da raça do cachorro. Após receber o caminho ou URL da imagem, ele pré-processa a imagem e passa pelo modelo para gerar a previsão. Em seguida, exibe o resultado da classificação, indicando a raça do cachorro na imagem fornecida. O `main.py` serve como a interface entre o usuário e o modelo de aprendizado de máquina, permitindo a interação com a aplicação para realizar as previsões.\n\n### `train-model.py`\n\nEste arquivo é responsável pelo treinamento do modelo de reconhecimento de raças de cães. Ele carrega o conjunto de dados, divide os dados em treino e teste, e treina o modelo utilizando o TensorFlow. Após o treinamento, o modelo é avaliado com base nos dados de teste e, finalmente, salvo em um arquivo para uso posterior. Este script permite gerar um modelo de classificação capaz de prever a raça de cães com base em imagens fornecidas.\n\n### `predict_full_set.py` e `predict_minified_set.py`\n\nEstes arquivos utilizam modelos pré-treinados para realizar previsões e análises. `predict_full_set.py` executa previsões em um conjunto completo de dados, enquanto `predict_minified_set.py` é projetado para trabalhar com um conjunto de dados reduzido, permitindo testar rapidamente a eficácia do modelo em um ambiente controlado.\n\n*podemos encontrar informações detalhadas sobre os modelos, os dados e o gerenciamento completo do ml no arquivo dog_vision.ipynb*\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fthan-dev%2Fdog-vision-training-model","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fthan-dev%2Fdog-vision-training-model","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fthan-dev%2Fdog-vision-training-model/lists"}