Redes convolucionales y su importancia
La importancia del computer vision
¿Qué herramientas usaremos para redes neuronales convolucionales?
¿Qué son las redes convolucionales?
Mi primera red neuronal convolucional
Creando nuestra primera red convolucional
Entrenando nuestra primera red convolucional
Manejo de imágenes
Consejos para el manejo de imágenes
Manejo de imágenes con Python
Fundamentos de redes neuronales convolucionales
Kernel en redes neuronales
El kernel en acción
Padding y Strides
Capa de pooling
Arquitectura de redes convolucionales
Quiz: Fundamentos de redes neuronales convolucionales
Resolviendo un problema de clasificación
Clasificación con redes neuronales convolucionales
Creación de red convolucional para clasificación
Entrenamiento de un modelo de clasificación con redes convolucionales
Optimización de red neuronal convolucional
Data augmentation
Aplicando data augmentation
Callbacks: early stopping y checkpoints
Batch normalization
Optimización de modelo de clasificación
Entrenamiento de nuestro modelo de clasificación optimizado
Quiz: Optimización de red neuronal convolucional
Resolviendo una competencia de Kaggle
Clasificando entre perros y gatos
Entrenamiento del modelo de clasificación de perros y gatos
Resumen y siguientes pasos
Siguientes pasos con redes neuronales convolucionales
Comparte tu proyecto de clasificación con redes convolucionales y certifícate
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Aportes 6
Preguntas 1
RESUMEN
padding = ‘same’ aumenta linea alrededor para que posicion 1,1 puede ser procesada mas de 1 vez
Luego se aplica lo contrario con MaxPooling
ESTE CURSO ESTA ASOMBROSO, ME COSTO AL INICIO, PERO ME ESTA ABRIENDO A GRANDES POSIBILIDADES.
Y QUE TAL UN MODELO QUE DETECTE LA POSIBILIDAD DE QUE UNA PERSONA ESTA NERVIOSA AL ENTRAR A UN SUPEMERCADOS, PODRIA TENER MAS PROBABILIDAD DE ROBAR UN ARTICULO, O POR EJEMPLO COMO ES LA REACCION SI AL ENTRAR VE UNA IMAGEN DE UNA AUTORIDAD, COMO SE MUESTRA EN SU ROSTRO. CLARO QU ESA IMAGEN SERIA UN TRIGGER A UNA EMOCION, Y ESA IMAGEN DEBE IRSE CAMBIANDO CON EL TIEMPO… PODER DETECTAR EMOCIONES CON IMAGENES.
A medida que se avanza en la profundidad de la red van aumentando el número de imágenes generadas por los filtros y por lo tanto el número de img a procesar lo que ocasionara una sobrecarga de computación.
Para esto la capa de pooling nos servirá para disminuir el tamaño de las imágenes resultantes de la convolución gracias a un kernel (mas usados son: max[conserva el pixel mas alto de un grupo de pixeles] y avarage[saca el promedio de un grupo de pixeles]) que realizara una operación de agrupamiento. Gracias a esta operación se reduce el ruido mientras se conserva las características más importantes de la imagen.
En resumen, mientras avancemos en las capas de la CNN:
Se ira aumentando el número de canales en la imagen (imágenes resultantes de convolución)
Se ira disminuyendo el tamaño de las imágenes debido a la capa de pooling.
Estas 2 operaciones permitirán detectar resaltar objetos específicos en una imagen, sin tener problemas de computación.
Desde la convolución básica al Max Pooling es en plan que se hace el zoom out y bajando la resolución.
La capa de pooling también es llamada capa de agrupación.
Mira esto
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.