Lección 3 del curso Clasificación de Imágenes con Deep Learning.
En la lección anterior vimos las principales métricas que nos permiten evaluar el desempeño de un modelo de clasificación y allí hablamos en detalle de las ventajas y desventajas de la exactitud, el «precision», el «recall» y el puntaje F1.
En esta lección daremos un repaso a una de las principales arquitecturas usadas en la actualidad para abordar tareas de clasificación de imágenes: las Redes Convolucionales. Entonces veremos los principales elementos que conforman una Red Convolucional y cómo es que este tipo de modelos aprender a extraer características relevantes de una imagen para luego clasificarla:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, una Red Convolucional (como por ejemplo LeNet o cualquier otra arquitectura más sofisticada) capaz de clasificar imágenes tiene dos elementos básicos:
- Un conjunto de capas convolucionales las cuales son el elemento central de la Red, pues durante el entrenamiento aprenden a extraer características relevantes de las imágenes. Dichas características son esencialmente un tensor 3D
- Un conjunto de capas «fully connected» que son simplemente una pequeña Red Neuronal que toma el tensor 3D con las características extraídas anteriormente y durante el entrenamiento aprende a clasificar la imagen en una de múltiples posibles categorías
Y resulta clave tener claros estos dos elementos pues todos los modelos de clasificación basados en este tipo de redes implementan estas fases de procesamiento y resultarán útiles para entender los enfoques de clasificación que veremos más adelante en el curso.
Así que teniendo claros los elementos clave que hacen parte de una Red Convolucional al momento de clasificar imágenes, en la siguiente lección veremos otra de las arquitecturas más usadas en la actualidad para implementar tareas de Visión por Computador. Entonces veremos cómo funciona el Vision Transformer al momento de abordar problemas de clasificación de imágenes.
Todas las lecciones del curso Clasificación de Imágenes con Deep Learning