SnakeFace: a transfer learning based app for snake classification

Resumo

Introdução: O aprendizado profundo surgiu em 2012 como uma das tecnologias mais importantes de aprendizado de máquina, reduzindo o erro de identificação de imagens de 25% para 5%. Este artigo tem dois objetivos: 1) demonstrar ao público em geral a facilidade de construir modelos de aprendizado de máquina de última geração sem expertise
em programação; 2) apresentar um modelo básico adaptável a qualquer identificação de imagens biológicas, como identificação de espécies. Método: Apresentamos trêsmodelos conceituais de teste quemostram perspectivas distintas do aplicativo. Osmodelos visam separar imagens em classes como gênero, espécie e subespécie, e as imagens de entrada pode ser facilmente adaptada para diferentes casos. Aplicamos aprendizado profundo e transferência de aprendizado usando o Teachable Machine. Resultados: Nossos modelos básicos demonstram alta precisão na identificação de diferentes espécies com base em imagens, destacando o potencial deste método para ser aplicado em biologia. Discussões: os
modelos apresentadosmostram a facilidade de usar aprendizado de máquina atualmente para identificação de imagens. Além disso, a adaptabilidade dessemétodo a várias espécies e gêneros enfatiza sua importância nas áreas biológicas,
como base para colaborações inspiradoras comciência da computação. No nosso caso, colaborações futuras poderiam
levar amodelos cada vez mais precisos e eficientes nessa área usando conjuntos de dados bem selecionados.