Detecção de Aves do Cerrado com Deep Learning

Este repositório documenta o desenvolvimento de um projeto de classificação de espécies de aves do bioma Cerrado utilizando Redes Neurais Convolucionais (CNNs). O objetivo é construir um pipeline completo, desde o pré-processamento e aumento de dados até o treinamento e avaliação comparativa de diferentes arquiteturas de modelos.

O projeto foi desenvolvido como parte da disciplina de Tópicos Especiais em Matemática Aplicada da Universidade de Brasília (UnB/FCTE), ministrada pelo Professor Vinicius Rispoli no semestre 2025.2.

Contribuidores

@matheuslemesam • @phenric26

Visão Geral do Projeto

O notebook Bird_Detection.ipynb foi estruturado para ser executado no Google Colab, tirando proveito de GPUs para acelerar o treinamento. O fluxo de trabalho pode ser dividido nas seguintes etapas:

1. Preparação do Ambiente e Dados

• Google Drive: O ambiente é configurado para se conectar ao Google Drive, onde o conjunto de dados de imagens está armazenado.
• Estrutura de Pastas: O dataset original reside em dataset/original, com cada uma das 14 espécies de aves em sua própria subpasta. As imagens processadas e aumentadas são salvas em dataset/augmentation.

2. Aumento de Dados (Data Augmentation)

Para enriquecer o dataset e torná-lo mais robusto, um pipeline de aumento de dados foi implementado utilizando exclusivamente a biblioteca PyTorch. As seguintes transformações são aplicadas:

• Rotações aleatórias
• Inversões horizontais
• Pequenas translações

Um fluxo de trabalho incremental garante que o processo seja resiliente a interrupções. Os dados são processados espécie por espécie, salvos localmente, sincronizados com o Google Drive e depois limpos, otimizando o uso de disco.

3. Abordagens de Treinamento com ResNet-50

Para avaliar diferentes estratégias de treinamento, o projeto focou na arquitetura ResNet-50 e implementou três abordagens distintas:

• ResNet-50 (do Zero): O modelo foi construído camada por camada, sem o uso de pesos pré-treinados. Essa abordagem testa a capacidade da rede de aprender as características das imagens de aves apenas com o dataset fornecido.

• Transfer Learning (Feature Extraction): Utilizou-se uma ResNet-50 pré-treinada no dataset ImageNet. As camadas convolucionais foram "congeladas" (seus pesos não foram atualizados) e apenas a camada de classificação final foi treinada. O objetivo aqui é usar os extratores de características já aprendidos pelo modelo e adaptá-los rapidamente para a nova tarefa.

• Transfer Learning - Fine-Tuning: Similar à abordagem anterior, esta também partiu de uma ResNet-50 pré-treinada. No entanto, além de treinar a nova camada de classificação, a layer4 também foram "descongelada" e treinada com uma taxa de aprendizado baixa. Isso permite que o modelo ajuste fino das características já aprendidas para se especializar ainda mais no dataset de aves.

4. Treinamento e Avaliação

• Preparação: Para cada modelo, o dataset aumentado é carregado usando a classe ImageFolder do PyTorch, que automaticamente atribui os rótulos corretos. O conjunto é então dividido em treinamento e validação, e DataLoaders são criados para alimentar os dados aos modelos em lotes.
• Ciclo de Treinamento: Cada modelo é treinado por um número definido de épocas, e o progresso da acurácia e da perda (loss) de treinamento e validação é monitorado.
• Métricas: Ao final do treinamento, cada modelo é avaliado com base na acurácia, matriz de confusão e um relatório de classificação detalhado (precisão, recall, F1-score).

5. Resultados e Benchmark Final

Após o treinamento e a avaliação dos três modelos, os resultados foram consolidados para uma análise comparativa.

Abordagem com ResNet-50	Acurácia de Validação	Observações
Fine-Tuning	94%	Apresenta o maior desempenho pois utiliza a ResNet com a base do ImageNet e faz ajustes para se adequar ao nosso dataset.
Feature Extraction	83%	Melhor que a treinada do zero mas não tão boa quanto a do fine tuning.
Treinada do Zero	25%	Teve o desempenho mais baixo, pois requer um dataset muito grande para aprender características complexas do zero.

Conclusão do Benchmark:

A abordagem de Fine-Tuning alcançou a maior acurácia, demonstrando que ajustar um modelo pré-treinado é uma estratégia altamente eficaz. A técnica de Feature Extraction serve como um excelente ponto de partida, enquanto treinar o modelo do zero se mostrou menos vantajoso e mais custoso computacionalmente, ressaltando a importância do Transfer Learning em tarefas de visão computacional com datasets de tamanho limitado.