Reconocimiento de objetos en imágenes usando aprendizaje profundo

En el presente proyecto se desarrolló una aplicación de aprendizaje profundo (deep learning) la cual identifica objetos en el laboratorio de automática de la Universidad Autónoma de Occidente, haciendo uso de la técnica transfer learning. Para llevar a cabo este proyecto, se creó el dataset compuesto de 27 clases y se implementó la técnica de data augmentation con el fin de tener un numero apropiado de imágenes por clase. La aplicación fue desarrollada en Python con la plataforma Tensorflow y haciendo uso de la Unidad de Procesamiento Grafico (GPU), donde se cargó la red neuronal convolucional Inception-V3 de Google para el transfer learning, la cual fue utilizada como extractor de características. Una vez se obtuvieron las representaciones de las imágenes procesadas por la Inception- V3, se entrenó una capa clasificadora de tipo Multi Layer Perceptron (MLP) con función de activación Softmax para realizar las nuevas predicciones. Las pruebas de la aplicación se hicieron en tiempo real utilizando una cámara web gracias a la librería Opencv, obteniendo una precisión cerca del 99%

• Autores: Díaz Salazar, Nicolas; Salazar Gómez, Gustavo Andres
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2018
• Institución: Universidad Autónoma de Occidente
• Repositorio: RED: Repositorio Educativo Digital UAO
• Idioma: spa
• OAI Identifier: oai:red.uao.edu.co:10614/10153
• Acceso en línea: http://hdl.handle.net/10614/10153
• Palabra clave: Ingeniería Mecatrónica; Redes neurales (Computadores); Deep learning; Transfer learning; Inception-V3
• Rights: openAccess
• License: Derechos Reservados - Universidad Autónoma de Occidente