ESTUDO COMPARATIVO DOS ALGORITMOS DE APRENDIZAGEM DE MÁQUINA PARA O RECONHECIMENTO DE IMAGENS
Palavras-chave:
algoritmos, algoritmo de aprendizado, CNN, RNN, K-MeansResumo
O artigo apresenta os objetivos de comparar a eficácia e eficiência de diversos algoritmos de aprendizado de máquina na tarefa de reconhecimento de imagens, visando facilitar a seleção dos mais ótimos para aplicações específicas. Entre as principais contribuições teóricas estão a conceptualização do reconhecimento de imagens e o funcionamento de algoritmos como Redes Neurais Convolucionais (CNN), Máquinas de Vetores de Suporte (SVM) e Árvores de Decisão. A metodologia envolveu a utilização de um conjunto de dados padronizado com imagens rotuladas em várias categorias, dividido em grupos de treinamento, validação e teste. Os modelos foram treinados e métricas de avaliação foram monitoradas durante a validação, para posterior comparação dos resultados nos testes por meio de análises estatísticas. Os resultados evidenciaram diferenças significativas entre os algoritmos, destacando o desempenho superior das CNN, que atingiram 94% de precisão na tarefa. Conclui-se que as CNN são mais precisas para o reconhecimento de imagens em relação a outros algoritmos, enquanto RNN e K-Means apresentam desempenho inferior, constituindo descobertas valiosas para pesquisas e aplicações futuras nesse campo.
