Consejos para el manejo de imágenes

Cabe mencionar que las imagenes pueden tener hasta 4 canales: Red, Green, Blue, Alfa, donde Alfa es la trasparencia, este formato se denomina RGBA.

Keras (tf.keras.preprocessing.image_dataset_from_directory) puede trabajar con estos formatos: “grayscale”, “rgb”, “rgba”. Default: “rgb”. Whether the images will be converted to have 1, 3, or 4 channels.

https://keras.io/api/preprocessing/image/

Una aplicacion de Redes neuronales convolucionales, en donde el color no importa y es mejor trabajar en escala de grises, es en la deteccion de neumonía en imagenes de radiografias de torax.

Un pequeño código para chequear la predicción de una sola imagen:

image_selected = 10

img = train_images[image_selected ]
img = image.img_to_array(img)
img = np.expand_dims(img, axis = 0)

print(model.predict(img))

print(train_labels[image_selected])

Consejos para el manejo de imágenes

• Una imagen es una composición de pixeles.

• Los pixeles poseen un rango número que va del 0 al 255, siendo 0 el más oscuro y 255 es más claro.

• Las maquinas lo que realmente interpreta es una composición matricial la cual representan las instrucciones de composición de un color.

Recomendaciones al trabajar con imágenes

• No todas las imágenes manejan escala de grises.

• La mayoría de las imágenes manejan escala de colores que les añade una complejidad extra que se representa con la composición de 3 canales que , además, añade tiempo de cómputo: del inglés “red”, “green”, “blue” siendo la base de la combinación RGB rojo, verde y azul.

• Trabaja las imágenes primero y de ser posible (siempre y cuando el color no importe) en escala de grises para así ahorrar tiempo de cómputo.

Si por ejemplo, trabajas en un algoritmo que se encarga de distinguir y clasificar ciertas partes de una carretera, pues en este escenario el color tiene una relevancia para optimizar o no importe en el proceso.

Siempre manejar una escala de dimensiones definidas para tus imágenes. Con esto, se busca que el algoritmo pre-entrenado no entre en conflicto al momento de recibir canales extras y no puede llegar a comprenderlos.

Al manejar imágenes en redes neuronales convolucionales, especialmente en escala de grises, es importante considerar algunos consejos clave:
Pre-procesamiento de imágenes

Normalización de valores

• Antes de alimentar la red, normaliza los valores de los píxeles dividiendo cada valor por 255 para asegurar que estén en un rango entre 0 y 1

Ajuste de tamaño

• Asegúrate de que todas las imágenes tengan el mismo tamaño para facilitar el procesamiento y la compatibilidad con la red

Convoluciones

• Las convoluciones son esenciales en las CNN para detectar características clave en las imágenes. Utiliza filtros para escanear la imagen y extraer patrones relevantes

Experimenta con diferentes tamaños de kernel y número de filtros para capturar características a diferentes escalas y niveles de abstracción