Reconhecimento de movimentos de cães utilizando um acelerômetro e redes neurais artificiais
A classificação dos movimentos de cães utilizando dados de acelerômetro é uma área ainda pouco explorada no Brasil, mas de grande importância para o acompanhamento da saúde e bem estar destes animais. Este trabalho propõe um método de classificação de movimentação dos cães, a partir de um acelerômet...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | portugués |
| OAI Identifier: | oai:teses.usp.br:tde-25022021-131439 |
| Acceso en línea: | https://www.teses.usp.br/teses/disponiveis/55/55137/tde-25022021-131439/ |
| Access Level: | acceso abierto |
| Palabra clave: | Accelerometer Acelerômetro Cães Classificação de movimentos CNN CNN LSTM ConvLSTM Dogs Movement classification |
| Sumario: | A classificação dos movimentos de cães utilizando dados de acelerômetro é uma área ainda pouco explorada no Brasil, mas de grande importância para o acompanhamento da saúde e bem estar destes animais. Este trabalho propõe um método de classificação de movimentação dos cães, a partir de um acelerômetro triaxial, e utilização de três arquiteturas de redes neurais artificiais: Rede Neural Convolucional (CNN), Rede Neural Convolucional associada a Long Short Term Memory (CNN-LSTM) e ConvLSTM. A metodologia foi desenvolvida instalando um pingente contendo o acelerômetro na coleira de 8 cachorros, que coletava dados em uma frequência de 10 Hz. Para avaliar o desempenho das redes neurais foi considerado o coeficiente de Matthews, que é um indicador muito utilizado na área de bioinformática. A arquitetura com melhor desempenho foi a ConvLSTM, que apresentou um coeficiente de Matthews de 0,79 no conjunto de teste. |
|---|