Lección 1 del módulo “Redes Convolucionales” del curso Fundamentos de Deep Learning con Python.
En la lección anterior vimos cómo implementar y validar un modelo de predicción de diabetes con Redes Neuronales y con ello culminamos el segundo módulo del curso.
Ahora daremos inicio al tercer módulo del curso, donde veremos todo lo relacionado con las Redes Convolucionales, una de las arquitecturas más usadas en la actualidad para el procesamiento de imágenes y para el desarrollo de aplicaciones de visión artificial.
Y en esta lección veremos el principio de funcionamiento del sistema de visión humano, pues las Redes Convolucionales toman varias de estas ideas para posteriormente realizar el procesamiento de imágenes.
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.
Bien, acabamos de ver cómo las Redes Convolucionales intentan emular algunas fases de procesamiento realizadas por la corteza visual de nuestro cerebro.
En esencia, las primeras capas de una Red Convolucional procesan patrones básicos y, a medida que vamos más profundo en la Red, las capas posteriores detectan patrones más complejos. Así, una Red Convolucional lo suficientemente profunda puede realizar tareas como clasificación, segmentación y detección de objetos.
Así que ya tenemos una idea básica y general de lo que logra hacer una Red Convolucional al momento de procesar una imagen, así como de la relación de estas redes con el principio de funcionamiento del sistema de visión humano.
Entonces en la próxima lección veremos los retos del procesamiento digital de imágenes y las limitaciones de las Redes Neuronales para el procesamiento de este tipo de datos.
Todas las lecciones del curso Fundamentos de Deep Learning con Python.