• otimizar o desempenho da detecção de objetos e do processo de recomendação
• colher feedback de usuários para calibragem do algoritmo de recomendação

• Exibir as recomendações geradas na interface de usuário, destacando os produtos recomendados
• Mostrar informações relevantes dos produtos, como nome, categoria, subcategoria e avaliações

• Impementar função para calcular a similaridade entre as imagens recortadas e as imagens do dataset de produtos (bônus)
• Selecionar os produtos mais similares com base nas imagens e categorias associadas (bônus)

• Preparar a aplicação para implantação em um ambiente de produção
• Hosperadr a aplicação em um servidor para que os usuários possam acessá-la

ver qual é mais rentável e apropriada para o cenário

• Implementar processo de filtragem baseada em conteúdo, para manter apenas produtos que correspondem a categorias relevantes, provenientes das detecções
• Extrair coordenadas dos retângulos delimitadores para cada detecção (bônus)
• Recortar as regiões das detecções nas imagens originais para obter as imagens dos produtos (bônus)

• Ciar uma interface para que os usuários possam informar um username válido do instagram
• Implementar função para gerar recomendações de produtos

• Implementar código para carregar as imagens públicas do perfil público do instagram
• Integrar o modelo YOLO pré-treinado para realizar a detecção de objetos nas imagens
• Extrair detecções, rótulos e probabilidades de confiança das imagens

• Configurar o ambiente de desenvolvimento com as bibliotecas necessárias
• Preparar o dataset de produtos (https://www.kaggle.com/datasets/lokeshparab/amazon-products-dataset)
• Instalar e configurar a biblioteca YOLO para detecção de objetos em imagens
• #10
• #11
• #13

• criar uma tabela de mapeamento para associar rótulos de classes do YOLO às categorias do dataset