Clasificación de imágenes usando redes neuronales convolucionales en Python

Abstract

En los último años se han generalizado en nuestro lenguaje y en numerosas acciones cotidianas que desarrollamos cuando accedemos a Internet o utilizamos dispositivos tecnológicos los conceptos de Inteligencia Artificial (IA), Machine Learning (ML) y Deep Learning (DL). La Inteligencia Artificial (Artificial Intelligence o AI) “es una rama de las ciencias computacionales encargada de estudiar modelos de cómputo capaces de realizar actividades propias de los seres humanos en base a dos de sus características primordiales: el razonamiento y la conducta“ [1]. De la IA surgen dos ramas más específicas que son el ML primero y el DL. Cuando hablamos de Machine Learning, nos referimos al aprendizaje automático que trata de crear programas capaces de generalizar comportamientos a partir de una información suministrada en forma de ejemplos. Esta capacidad de aprender y de anticipar comportamientos tiene múltiples usos como sistemas de reconocimiento facial, aprendizaje de idiomas o la posibilidad de generar diagnósticos médicos [2]. Con Deep Learning nos referimos a una función de la inteligencia artificial que imita el funcionamiento del cerebro humano en el procesamiento de datos y la creación de patrones para su uso en la toma de decisiones. Se compone de redes capaces de aprender sin supervisión a partir de datos sin estructurar o etiquetar [3]. El objetivo del presente proyecto es el de estudiar dichas redes neuronales, concretamente las redes neuronales convolucionales y la importancia que tienen en el análisis de imágenes. Centrándonos en el objetivo de entrenar la red para conseguir un elevado porcentaje de precisión, sensibilidad y especificidad, se desarrollará una investigación de los lenguajes de programación más utilizados en el campo de la Inteligencia Artificial, bases de datos para explotar la información y el funcionamiento propio de las Redes Neruonales Convolucionales.

In recent years, concepts such as Artificial Intelligence – AI –, Machine Learning – ML – and Deep Learning – DL – have become widespread in our language and in numerous daily actions that we develop when we access the Internet or use technological devices. AI are the processes by which a machine imitates the cognitive functions that humans associate with other human minds, such as learning and solving problems. From the AI, two more specific branches emerge: ML first and DL. When we talk about Machine Learning we are referring to create programs that are able to generalize behaviors from information provided by examples. This ability to learn and anticipate behaviors has multiple uses ranging from the most generalist, as facial recognition systems or the ability to respond and learn languages to more specialized uses such as the possibility of generating medical diagnoses. On the other hand, Deep Learning is referring to an artificial intelligence function that imitates the workings of the human brain in preprocessing data and creating patterns for use in decision making. The aim of the project is to study these neural networks, specifically the convolutional ones and the importance they have in image analysis. Focusing on the objective of training the network to achieve a high percentage of precision, sensitivity and specificity, a research will be carried out on the most used programming languages in the AI field. Moreover, the most famous datasets used to exploit information and the Convolutional Neural Networks behavior will be investigated too.