Identificação Automática de Somatotipo por meio de Imagens Digitais e Redes Neurais Profundas
Nome: ANTONIO RICARDO ALEXANDRE BRASIL
Data de publicação: 24/11/2025
Banca:
Nome |
Papel |
|---|---|
| CLARIMAR JOSÉ COELHO | Examinador Externo |
| DANILO SALES BOCALINI | Examinador Interno |
| FILIPE WALL MUTZ | Examinador Interno |
| KARIN SATIE KOMATI | Examinador Externo |
| PATRICK MARQUES CIARELLI | Presidente |
Resumo: O somatotipo é um método de classificação corporal que considera que o corpo humano
resulta da combinação de três componentes: endomorfo, ectomorfo e mesomorfo, com
aplicações tanto na área da saúde quanto no esporte. Atualmente, o método mais utilizado
para estimar o somatotipo baseia-se em medidas antropométricas coletadas diretamente
do corpo humano, o que requer a atuação de especialistas, demanda tempo e é suscetível
a erros humanos. Diante dessas limitações, este trabalho propõe o uso de redes neurais
convolucionais como abordagem para a estimativa e classificação do somatotipo a partir
de imagens digitais, explorando três bases de dados: duas utilizadas em estudos anteriores,
uma contendo imagens de 46 indivíduos e outra com 339 imagens corporais obtidas por meio
de escaneamento 3D, e uma base coletada para o presente estudo, composta por imagens
e medidas de 122 indivíduos. Foram conduzidos experimentos voltados para a tarefa
de classificação e estimativa dos valores das componentes do somatotipo. Os resultados
preliminares indicam que é possível alcançar uma acurácia de até 97% na classificação
do somatotipo predominante de um indivíduo e estimar os valores das componentes com
erro quadrático médio (MSE) de até 0,02, revelando achados promissores e abrindo novas
perspectivas para a estimativa do somatotipo por meio de métodos computacionais.
