Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inteligencia Artificial
Integrantes:
Muñoz Arciga Jesús
Arce Bernal Angelo
Reyes Villanueva Diego
Ferrel Julca Rufo Piero
Peña Munguia Diego
Campus:
SENATI Independencia
Curso:
Formación Practica Remota
Profesor:
Hugo Mamanchura Lima
ETI-2022
PROYECTO: RECONOCIMIENTO DE LA IMAGEN CON VALOR DE
SCORE A PROCESAR
En este proyecto se trata el tema de aprendizaje de máquina mediante la visión artificial. Concretamente, se
plantea el problema de reconocimiento de animales de distinta clase en una imagen, con el propósito de que
sirvan como información para un sistema autónomo. Para conseguir resolver dicho problema, se hace uso del
aprendizaje profundo, y en particular de las redes neuronales convolucionales. Utilizando dicha técnica y
tratando de optimizar los parámetros para entrenar a la misma de forma que aprenda de las imágenes y se
comporte conforme a lo esperado, se obtendrán unos resultados concretos. Para tal fin se ha realizado un
conjunto de algoritmos pre entrenados que conforman el sistema completo que da solución al problema. A
partir de ellos, se han obtenido resultados concretos en diferentes comparativas, para imágenes con uno o
varios objetos a identificar en ella.
1.1.- Recursos
1.2.- Objetivo
Detectar una imagen usando redes neuronales con Keras y las herramientas de la plataforma de Google
Colab y asignándole un Score para darle validades a lo procesado.
Librería Matplotlib.pyplot:
Es una poderosa librería de visualización de Python.
Provee funciones para crear gráficas enriquecidas que se
adaptan a todo tipo de datasets y permite una
personalización muy profunda, dándote el completo
control de las propiedades de tus gráficas.
Librería Numpy
Es una librería de Python especializada en el cálculo
numérico y el análisis de datos, especialmente para un
gran volumen de datos.
Librería Tensorflow.keras
La librería Keras proporciona un acceso de alto nivel
mediante una API a las funcionalidades de la librería
tensorflow, usada para la creación a bajo nivel de
modelos de Deep learning.
Repositorio Lalussoft
Evidencias:
Predicción
Podemos predecir la clasificación de nuevas imágenes. Para ello, simplemente usaremos algunas
imágenes del conjunto de prueba.
La clase a la que pertenece
Matplorlib.pyplot.imshow
Muestra datos como una imagen.
La entrada puede ser datos reales de RGB, que se representará como una imagen pseudocolor.
Para mostrar una escala de grises.
Matplorlib.pyplot.axis
Método de conveniencia para obtener o establecer algunas propiedades del eje.