Este projeto consiste em uma aplicação de reconhecimento de flores utilizando uma Rede Neural Convolucional (CNN). A aplicação permite aos usuários enviar imagens de flores e obter uma previsão sobre qual tipo de flor a imagem representa, juntamente com uma pontuação de confiança.
-
Carregamento e Pré-processamento de Dados: O código carrega um conjunto de dados de imagens de flores, divide-o em conjuntos de treinamento e validação e aplica técnicas de pré-processamento, como redimensionamento e data augmentation.
-
Construção e Treinamento da CNN: Uma CNN é construída usando a biblioteca TensorFlow/Keras. A arquitetura da CNN inclui camadas de convolução, pooling, dropout e densas para realizar a classificação das imagens.
-
Classificação de Imagens: Os usuários podem fazer upload de suas próprias imagens de flores. O sistema classifica essas imagens usando o modelo treinado e retorna o tipo de flor previsto, juntamente com uma pontuação de confiança.
-
Instalação de Dependências: Certifique-se de ter todas as dependências instaladas. Você pode instalá-las executando
pip install -r requirements.txt
. -
Treinamento do Modelo (Opcional): Se desejar treinar o modelo novamente com seus próprios dados, siga as instruções no código para carregar seus dados de imagens.
-
Execução da Aplicação: Para executar a aplicação, simplesmente execute o arquivo
streamlit run app.py
com Python. Isso iniciará o servidor web e abrirá a aplicação no navegador. -
Upload de Imagens: Na aplicação web, os usuários podem fazer upload de suas próprias imagens de flores clicando no botão "Upload an Image".
-
Visualização dos Resultados: Após o upload da imagem, a aplicação exibirá a imagem enviada e a classificação prevista, juntamente com uma pontuação de confiança.
-
app.py
: Contém o código para a aplicação web desenvolvida com Streamlit. Gerencia o upload de imagens e exibe os resultados da classificação. -
Classificação de flores.ipynb
: Contém o código para construir, treinar e salvar o modelo CNN usando TensorFlow/Keras. -
requirements.txt
: Lista as dependências do Python necessárias para executar a aplicação. -
imagens/
: Diretório que contém o conjunto de dados de imagens de flores para treinamento e validação. -
amostra/
: Diretório de amostra contendo imagens de flores para teste da aplicação.
Este projeto é distribuído sob a licença MIT. Veja o arquivo LICENSE
para obter mais detalhes.