El problema

Entrenar una red de visión desde cero exige millones de imágenes y horas de GPU. Para un problema de clasificación acotado, es pagar un costo que otro ya pagó.

Resolución

  • Modelo preentrenado descargado de TensorFlow Hub como extractor de variables congelado: las capas convolucionales ya reconocen bordes, texturas y formas.
  • Encima del extractor, una capa Dense propia entrenada solo para las clases del problema nuevo.
  • Preprocesamiento de imágenes con PIL y OpenCV para ajustarlas al tamaño y al formato requeridos por el modelo, y evaluación de la exactitud sobre el conjunto de prueba.

Tecnologías

Python · TensorFlow · TensorFlow Hub · Keras · OpenCV · PIL

Conocimiento demostrado

La transferencia de aprendizaje reduce el cómputo y la cantidad de datos necesarios para alcanzar precisiones que serían difíciles de obtener desde cero en el mismo tiempo.

Recursos