🍌 Banana Detection - Inception Network

Um projeto de visão computacional para detecção de bananas usando uma arquitetura Inception Network customizada. O modelo prevê as coordenadas do bounding box (xmin, ymin, xmax, ymax) das bananas nas imagens.

📋 Características

• Arquitetura Inception: Módulos Inception customizados para detecção de objetos
• Data Augmentation: Translação com ajuste automático de bounding boxes
• Treinamento Robusto: Callbacks para redução de learning rate e regularização L2
• Visualização Completa: Ferramentas para visualizar predições vs ground truth
• Modularidade: Código organizado em módulos reutilizáveis

🚀 Instalação

1. Clone o repositório:

git clone https://github.com/seu-usuario/banana-detection.git
cd banana-detection

2. Instale as dependências:

pip install -r requirements.txt

3. Organize seus dados na seguinte estrutura:

data/
├── bananas_train/
│   ├── images/
│   │   ├── 0.png
│   │   ├── 1.png
│   │   └── ...
│   └── label.csv
└── bananas_val/
    ├── images/
    │   ├── 0.png
    │   ├── 1.png
    │   └── ...
    └── label.csv

🏃‍♂️ Uso Rápido

Treinamento e Avaliação Completa

python main.py

Apenas Treinamento

python train.py --epochs 200 --batch_size 100

Apenas Avaliação

python evaluate.py --model_path saved_models/inception_banana_detector.keras --visualize

📁 Estrutura do Projeto

banana-detection/
├── config/
│   └── config.py              # Configurações do projeto
├── data/
│   ├── data_loader.py         # Carregamento de dados
│   └── augmentation.py        # Data augmentation
├── models/
│   ├── inception_model.py     # Arquitetura Inception
│   └── model_utils.py         # Utilitários do modelo
├── training/
│   ├── trainer.py             # Lógica de treinamento
│   └── callbacks.py           # Callbacks personalizados
├── evaluation/
│   ├── evaluator.py           # Avaliação do modelo
│   └── visualization.py       # Visualização de resultados
├── utils/
│   └── general_utils.py       # Utilitários gerais
├── main.py                    # Script principal
├── train.py                   # Script de treinamento
├── evaluate.py                # Script de avaliação
└── saved_models/              # Modelos salvos

⚙️ Configurações

Edite config/config.py para personalizar:

class Config:
    # Parâmetros da imagem
    IMAGE_HEIGHT = 32
    IMAGE_WIDTH = 32
    
    # Treinamento
    BATCH_SIZE = 100
    EPOCHS = 200
    LEARNING_RATE = 0.001
    
    # Data Augmentation
    NUM_AUGMENTATIONS_PER_IMAGE = 6
    MAX_TRANSLATION_X = 0.2
    MAX_TRANSLATION_Y = 0.2

🧠 Arquitetura do Modelo

Módulo Inception

Cada módulo Inception contém 4 torres paralelas:

• Torre 1: Conv2D 1x1
• Torre 2: Conv2D 1x1 → Conv2D 3x3
• Torre 3: Conv2D 1x1 → Conv2D 5x5
• Torre 4: MaxPooling2D 3x3 → Conv2D 1x1

Arquitetura Completa

Input (32x32x3)
    ↓
Inception Module (64 filters) → Inception Module (64 filters)
    ↓
MaxPooling2D (2x2)
    ↓
Inception Module (64 filters) → Inception Module (64 filters)
    ↓
MaxPooling2D (2x2)
    ↓
Inception Module (64 filters) → Inception Module (64 filters)
    ↓
AveragePooling2D (8x8) → Flatten → Dense(4, linear)
    ↓
Output: [xmin, ymin, xmax, ymax]

🔄 Data Augmentation

O sistema aplica translação manual com ajuste automático dos bounding boxes:

# Translação com preservação dos bounding boxes
translated_image, adjusted_bbox = manual_translation(
    image, bbox, 
    max_dx=0.2, max_dy=0.2,
    img_width=32, img_height=32
)

📊 Avaliação

Métricas Disponíveis

• Mean Absolute Error (MAE): Erro médio absoluto
• Mean Squared Error (MSE): Erro quadrático médio
• MAE por coordenada: Análise detalhada de cada coordenada
• Visualizações: Comparação predição vs ground truth

Exemplo de Saída

📊 RESULTADOS DA AVALIAÇÃO:
   Loss: 0.0234
   MAE: 0.1456
   Acurácia estimada: 85.44%
   MAE geral (coordenadas): 4.65 pixels

🎨 Visualização

Grid de Múltiplas Predições

# Mostrar 12 exemplos com predições (vermelho) e ground truth (verde)
visualizer.plot_multiple_predictions(images, predictions, ground_truth, num_images=12)

Comparação Individual

# Análise detalhada de uma imagem específica
visualizer.plot_prediction_vs_ground_truth(image, prediction, ground_truth, image_idx=0)

🛠️ Scripts Disponíveis

1. Treinamento Personalizado

python train.py \
    --epochs 300 \
    --batch_size 64 \
    --learning_rate 0.0005 \
    --model_name meu_modelo_bananas \
    --augmentations 8

2. Continuar Treinamento

python train.py \
    --resume_training saved_models/modelo_existente.keras \
    --epochs 100

3. Avaliação Detalhada

python evaluate.py \
    --model_path saved_models/inception_banana_detector.keras \
    --visualize \
    --detailed_analysis \
    --save_results \
    --num_examples 20

🎯 Resultados Esperados

Com os hiperparâmetros padrão, o modelo tipicamente alcança:

• MAE: ~0.14 (coordenadas normalizadas)
• Acurácia: ~85%
• Erro por pixel: ~4-6 pixels (em imagens 32x32)

🤝 Contribuindo

1. Fork o projeto
2. Crie sua feature branch (git checkout -b feature/AmazingFeature)
3. Commit suas mudanças (git commit -m 'Add some AmazingFeature')
4. Push para a branch (git push origin feature/AmazingFeature)
5. Abra um Pull Request

📜 Licença

Distribuído sob a licença MIT. Veja LICENSE para mais informações.

📞 Contato

Lucas Harada - [email protected]

Link do Projeto: https://github.com/Huarada/ComputerVisionBananas