Documentos de Académico
Documentos de Profesional
Documentos de Cultura
COMPUTACIÓN
Inteligencia Artificial II
Elaborado por:
Pichucho Galo
NRC: 2824
Sangolquí - 2019
OBJETIVO DE APRENDIZAJE
Aplicación de Redes de Neuronas de Aprendizaje Profundo (Deep Learning).
DESARROLLO
Antes que nada, se necesita instalar algunas herramientas necesarias de Deep Learning
para reconocimiento de objetos, de acuerdo a las sugerencias del Profesor.
Las herramientas se pueden instalar desde el Matlab, haciendo click en Add-Ons que se
encuentra en el apartado de environment dentro de la pestaña Home.
Deep Learning Toolbox
Alexnet
Webcam
Una vez instalado todas las herramientas, iniciamos Matlab.
Se ejecuta el siguiente código dentro de la línea de comando de Matlab o en un scrip.m
Este segmento de código hará que se cargue una red pre entrenada y se modifica la red
con las categorías que vamos a tener, en este caso es 5, ya que dentro de nuestra base de
datos tendremos 5 objetos.
Nuestra base de datos tiene 5 objetos diferentes , donde dentro de cada objeto se tiene 22
fotos del objeto respectivo, estos datos se deberán guardarse en la siguiente dirección:
C:\Program Files\MATLAB\R2017b\toolbox\nnet\nndemos\nndatasets.
Centro del directorio se crea la carpeta de los objetos, e este caso se llama ProyectoIAII,
y dentro de estos se encuentras las fotos de los objetos.
Cargar y explorar datos de imagen
'nndatasets' , 'ProyectoIAII' );
Lo que está en negrita, significa el nombre de la carpeta donde se encuentra los datos
Mostrar algunas de las imágenes en el almacén de datos.
Con el siguiente comando se puede ver fotos de la base de datos:
figure;
perm = randperm(109,20);
for i = 1:20
subplot(4,5,i);
imshow(imds.Files{perm(i)});
end
Calcule el número de imágenes en cada categoría. labelCountes una tabla que contiene
las etiquetas y el número de imágenes que tienen cada etiqueta:
“labelCount = countEachLabel(imds)”
numTrainFiles = 20;
[imdsTrain, imdsValidation] = splitEachLabel (imds, numTrainFiles,
'randomize' );
Reentrenamiento de la red
>> imshow(im)
image(I);
title(char(label));
CONCLUSIONES
RECOMENDACIONES
REFERENCIAS