--- datasets: - uoft-cs/cifar100 language: - pt license: apache-2.0 pipeline_tag: image-classification tags: - computer-vision - image-classification - resnet - cifar100 - pytorch - synapse-br --- # Synapse-Image-Classifier-Nano **Synapse-Image-Classifier-Nano** é um classificador de imagens leve desenvolvido pela **Comunidade Synapse BR**. O modelo utiliza uma implementação personalizada da arquitetura **Thin ResNet-18**, projetada para reduzir o número de parâmetros mantendo um bom desempenho em tarefas de classificação de imagens. ## Informações do Modelo | Propriedade | Valor | |------------|-------| | Arquitetura | Thin ResNet-18 | | Parâmetros | 4,397,580 | | Framework | PyTorch | | Dataset | CIFAR-100 | | Classes | 100 | | Entrada | RGB 32×32 | | Épocas | 20 | | Batch Size | 128 | | Otimizador | Adam | | Learning Rate | 0.001 | | Top-1 Accuracy | **64.62%** (CIFAR-100 Test Set) | ## Dataset O modelo foi treinado utilizando o dataset **CIFAR-100**, composto por: - 50.000 imagens para treinamento - 10.000 imagens para teste - 100 classes - Imagens RGB de 32×32 pixels ## Data Augmentation Durante o treinamento foram utilizadas as seguintes técnicas: - RandomHorizontalFlip - RandomCrop(32, padding=4) ## Como utilizar ```python import torch # Certifique-se de possuir a implementação da arquitetura Thin ResNet-18 model = ResNetNano( BasicBlock, [2, 2, 2, 2], num_classes=100, width=40 ) model.load_state_dict(torch.load("pytorch_model.bin")) model.eval() Resultados Métrica| Valor Top-1 Accuracy| 64.62% Limitações - Treinado exclusivamente no dataset CIFAR-100. - Espera imagens RGB de resolução 32×32. - Não foi treinado para classificação de imagens de alta resolução. - O desempenho pode diminuir significativamente em domínios diferentes do CIFAR-100. Objetivo O Synapse-Image-Classifier-Nano foi desenvolvido como um modelo leve para pesquisas, aprendizado e aplicações de classificação de imagens que exigem baixo consumo de recursos computacionais. Desenvolvedor Comunidade Synapse BR Projeto open source focado no desenvolvimento de modelos leves, datasets e ferramentas de inteligência artificial.