Aprendizado Federado para Classificação de Navios

Mateus Cruz

January 2023

Words: 397
Pages: 3

Aqui vai o resumo

Introdução

Trabalhos Relacionados

Internet of Things

Green Technologies

Materiais e Métodos

0.1 Análise Exploratória dos Dados

O conjunto de imagens utilizados para treinamento do modelo foi obtido através da comunidade de Data Science Kagglee.
O base de imagens contém imagens de cinco tipos de navios, sendo eles: I) Cargo, II) Militar, III) Transportador, IV)
Cruzeiro e também V) Petroleiro. Em uma análise exploratório dos dados foi possível obter diversas característica do
dataset, como quantidade de amostras por classe que é exibida através da Tabela ?? e também Figura ??.

Classe Qnt. de Amostra (%) Qnt. de Amostra

Cargo 33.91% 1907

Militar 18.67% 1050
Transportador 14.65% 824
Cruzeiro 13.31% 748
Petroleiro 19.47% 1095

1
 A base de imagens possui 5626 observações, sendo 5063 para treinamento do modelo e 563 para teste no método
tradicional de treinamento. Em contraste, como são simulados cinco dispositivos no Aprendizado Federado, cada dispos-
itivo conta com 1013 amostras para treinamento e 122 para teste. É visível um desbalanceamento nas classes presentes na
base de imagens, onde a classe Cargo possui o maior número de observações quando comparado as demais classes. Para
isso

0.2 Modelo Desenvolvido

Como dito anteriormente, foi utilizado a biblioteca TensorFlow V2 junto ao Framework Keras para desenvolvimento do
modelo de classificação. Se trata de um modelo de classificação que faz uso de camadas de convolução para extração
de informações relevantes nas imagens. Ao todo, dois modelos idênticos foram desenvolvidos, porém um modelo foi
treinado seguindo a metodologia tradicional e outro seguindo a metodologia de Aprendizado Federado. A metodologia
tradicional exige que todo o conjunto de dados para treinamento seja centralizado em um único dispositivo. Enquanto
que o Aprendizado Federado faz com que cada dispositivo treine isoladamente um modelo local para posteriormente
compartilhar as informações dos respectivos pesos para a construção de um modelo global. Portanto, foi construído um
Rede Neural Convolucional para classificação de navios. O modelo possui 14 camadas organizados conforme a Figura ??.

O modelo treinando através da metodologia tradicional tem o objetivo de validar a performance do modelo desen-
volvido utilizando o Aprendizado Federado. As métricas de Acurácia ?? e Perda ?? foram as utilizadas para comparar a
performance entre os dois modelos.

2
 Acurácia: É uma métrica de desempenho geral do modelo, sendo representada pela relação entre as classificações
corretas por todas as classificações feitas pelo modelo. A equação da acurácia é exibida pela Forumla ??.

TP + TN
Accuracy = (1)
TP + FP + TN + FN

Perda: Métrica que calcula quão bem determinado modelo está efetuando as classificações de acordo com determi-
nados parâmetros da rede.

TP
Loss = (2)
TN

P recision.Recall
F − Score = 2.( ) (3)
P recision + Recall