Tutorial paso a paso sobre reconocimiento de imágenes

Aprenda a cargar y preprocesar datos, importar una red, realizar transferencia del aprendizaje y probar una red para Deep Learning con imágenes.

Para poder seguir las explicaciones:

  1. Descargue el código
  2. Ábralo en MATLAB

¿No tiene acceso? Obtenga una versión de prueba gratuita.

Tiempo necesario:
15-30 minutos
Requisitos previos:
Conocimientos básicos de MATLAB

¿Necesita un repaso? Pruebe un tutorial interactivo gratuito.

Paso 1

Cargue y preprocese los datos

Importe, gestione y almacene datos para proyectos de Deep Learning con imágenes.

 

Conceptos aprendidos: Cómo importar y preparar datos para entrenamiento

  • Cargar datos en forma de almacén de datos de imágenes
  • La función imageDatastore etiqueta automáticamente las imágenes basándose en los nombres de las carpetas
  • Preprocesar los datos es un primer paso frecuente en el flujo de trabajo de Deep Learning para convertir datos no procesados en un formato que la red pueda aceptar

Paso 2

Importe la red

Asegúrese de que la red importada y los datos de imágenes tengan el tamaño correcto para generar un modelo de alta precisión. 

 

Conceptos aprendidos: Cómo utilizar la red para predicciones de modelos antes de volver a entrenar

  • Importar redes y arquitecturas de red desde TensorFlow-Keras, TensorFlow 2, Caffe y el formato de modelo ONNX (Open Neural Network Exchange)
  • Exportar una red de Deep Learning Toolbox entrenada con el formato de modelo ONNX

Paso 3

Realice transferencia del aprendizaje

Modifique una red existente para que funcione con sus datos de modo que pueda personalizar Deep Learning para realizar una tarea específica.

 

Conceptos aprendidos: Cómo preparar el modelo para una tarea nueva

  • Transferir las características aprendidas de una red previamente entrenada a un nuevo problema
  • Realizar transferencia del aprendizaje es más rápido y sencillo que entrenar una nueva red
  • Reducir el tiempo de entrenamiento y el tamaño del conjunto de datos
  • Realizar Deep Learning sin necesidad de aprender a crear una red completamente nueva

Paso 4

Pruebe la red

Compruebe que el modelo funcione bien con los datos que ha aprendido durante el entrenamiento, así como con los datos nuevos.

 

Conceptos aprendidos: Cómo probar todas las imágenes del conjunto de validación y evaluar si la red está bien entrenada

  • Clasificar los datos de validación y calcular la precisión de la clasificación
  • Utilizar una red previamente entrenada para otras tareas
  • Resolver nuevos problemas de clasificación de datos de imagen con transferencia del aprendizaje o extracción de características