Situación
Una imagen para una persona es obvia; para una máquina es una matriz de píxeles. El puente entre ambos es un modelo entrenado.
El desafío
Lograr que un script clasifique correctamente imágenes nuevas, convirtiéndolas a píxeles y reconociendo de qué se trata cada una.
La solución
Un modelo de aprendizaje profundo con transferencia de aprendizaje: reutiliza las variables aprendidas por un modelo preentrenado y se ajusta con el conjunto propio. Entrena más rápido y con mayor precisión que una red creada desde cero.
Impacto
Clasificación funcional de imágenes que muestra cómo aprovechar modelos preentrenados. El ajuste fino llevó la val_accuracy del 79,69 % al 100 % (val_loss final: 0,0179) en pocas épocas. Esa progresión muestra el efecto de la transferencia de aprendizaje frente al entrenamiento con inicialización aleatoria.