EXAMEN FINAL

Inteligencia Artificial

Desarrolle el siguiente examen de forma grupal.

Fecha d enetrega lunes 1 e marzo del

1 OBJETIVO.

Construir un procedimiento en Matlab o en Python para implementar la etapa de convolución

y max pooling de una red neural convolucional (CNN). Con esta finalidad se le recomienda
revisar papers y artículos relacionados a esta tecnología 1.

No se trata de implementar una CNN, se trata de que usted haciendo uso de los conceptos,
técnicas y herramientas vistas en clase, desarrolle las sucesivas dos etapas indicadas.

Observe que la entrada al procedimiento es un conjunto de imágenes de tamaño (R,C) y la

salida es un conjunto de vectores (flattened) por cada uno de las imágenes ingresadas, usted
deberá de preparar el marco conceptual para que su procedimiento sea claramente
establecido.

El procedimiento hace uso de un conjunto de imágenes que usted debe de descarga de una
base de datos de imágenes.

Luego de haber transformado las imágenes en vectores de igual tamaño, implemente una red
neuronal para clasificar las imágenes (complementario a la tarea principal) en dos categorías.

2 DESCRIPCIÓN DEL PROCEDIMIENTO GENERAL (ARQUITECTURA)

2.1 Entradas:
Entre ellas tenemos (como mínimo):
1. Ruta de la base de datos de imágenes etiquetadas.
2. Etiquetas de las imágenes.
3. Tamaño de las imágenes (filas x columnas)

1
https://www.aprendemachinelearning.com/como-funcionan-las-convolutional-neural-networks-vision-por-ordenador/
4. Parámetros que define los kernels en cada etapa
5. Número de etapas.
6. Número de neuronas en la capa de entrada.
7. Número de neuronas en la capa intermedia.
8. Otro que logre identificar.

2.2 Proceso:
1. Describa en un diagrama hasta el 2do. nivel del detalle del procedimiento a elaborar, con
esta finalidad deberá de identificar al menos 5 referencias con DOI. Este proceso deberá de
ser capaz de transformar cada una de las imágenes de entrada en vectores individuales de
tamaño fijo, para luego proceder a ingresar estos vectores una red neuronal de 3 capas,
donde la capa de entrada tiene la misma cantidad de neuronas que el tamaño de los
vectores obtenidos.

2.3 Salida:
1. Calidad predictiva de su modelo (red neuronal). Con esta finalidad deberá de particionar el
conjunto de vectores obtenidos en 2 grupos, de train y de test.

3 ACTIVIDADES POR DESARROLLAR (OBJETIVOS)

3.1 Búsqueda de referencias.

Ingrese a la página de sciencedirect, ieee, acm o springer, identifique al menos 5
referencias recientes de papers del estado del arte, para esto puede hacer uso del
siguiente string de búsqueda:

"convolutional neural network" ("state of the art" OR survey OR

review)

3.2 Lectura y sistematización de conceptos.

Lea los papers encontrados y sistematice los conceptos, estos deben ser expuestos en una
sección de su documento, todos los conceptos usados en su respuesta deben ser
manifestados en la sección referida.

3.3 Arquitectura de la solución (diagrama nivel o, diagrama nivel 1, diagrama nivel 2)

Describa el procedimiento a elaborar mediante un diagrama donde sea claro, las entradas
las transformaciones y los resultados, de tal forma que se logre trasladar las entradas en
las salidas.

Observe que debe de preparar tres diagramas:

 Diagrama 1. Procedimiento de captura de datos.
 Diagrama 2. Transformaciones convolución y max pooling.
 Diagrama 3. Red Neuronal, desde que se obtiene el dataset hasta que se obtiene el
rendimiento.

3.4 Procedimiento de captura de datos (diagrama 1)

Ingrese a la página de la ORCE (https://www.orce.uni.edu.pe/buscaalu.php?op=buscaalu) y
descargue al menos 10,000 imágenes mediante un procedimiento automático (puede
hacer uso del selenium.
Elabore un procedimiento para la captura de datos haciendo uso del selenium.
El procedimiento de clasificación deberá de permitir diferenciar hombres de mujeres.
3.5 Transformaciones convolución y max pooling (diagrama 2)

Haciendo uso de los conocimientos sistematizados como consecuencia de la lectura de los

papers descargado implemente los procedimientos de nivel 1 y nivel 2 necesarios para su
operación.

En todos los casos los diagramas deben ser congruentes con los programas fuentes.

El resultado final de este procedimiento es un conjunto de vectores del mismo tamaño, la

cantidad de vectores es igual que la cantidad de imágenes.

3.6 Red Neuronal, desde que se obtiene el dataset hasta que se obtiene el rendimiento.

Implemente un procedimiento de clasificación de vectores en las categorías

preestablecidas. Las etiquetas corresponden a Hombre y Mujer.

Use una red neuronal.

3.7 Cálculo del rendimiento del modelo.

Elabore un procedimiento para calcular el rendimiento del algoritmo de clasificación.

Las entradas corresponden a las etiquetas reales y las etiquetas calculadas de cada una de
las imágenes.

4 EL DOCUMENTO
El documento debe tener al menos la siguiente estructura.
1. Título Autores, email, universidad, curso
2. Fecha
3. Resumen
4. Palabras claves
5. Introducción al problema, antecedentes, procedimiento, resultados esperados.
6. Planteamiento del problema, exponer la sistematización de los conceptos.
7. Especificar los objetivos del proyecto. [grafique los objetivos específicos donde sea claro
qué insumos recibe y qué resultados entrega], solo a nivel de resultados sin indicar
cómo.
8. Arquitectura de los componentes del sistema. Especificar cada uno de los 3 diagramas.
Cada componente es una transformación.
9. Desarrollo de los componentes de tal forma que le permita lograr cada uno de sus
objetivos.
10. Conclusiones, toda conclusión debe estar planteada como una métrica, no se trata de
lanzar opiniones. Concluya con respecto a cada objetivo específico y respecto al objetivo
general.
11. Recomendaciones, prepare al menos 3 recomendaciones, luego implemente esas
recomendaciones y diga si su propuesta es viable.
12. Referencias, solo las leídas, toda referencia debe tener su respectivo DOI, ISBN o Patente,
no se acepta documentos de otra naturaleza, colocar el documento solo si hace uso de la
referencia.
 Todas las tablas, figuras y fórmulas deben estar numeradas.
 Documento a doble columna, letra de tamaño: 10 u 11.
 El código fuente debe ser leíble.
 Las imágenes colocadas deben ser leíbles.
 Se recomienda la redacción de este documento en formato Latex.
 Coloque este documento como parte del examen, primera parte.