Local cover image
Local cover image

Análisis de la técnica Transfer Learning en Machine Learning a través de un caso de estudio : la clasificación de productos en el Banco Alimentario de La Plata

By: Contributor(s): Material type: TextTextPublication details: 2021Description: 1 archivo (3,1 MB) : il. colSubject(s): Online resources:
Contents:
CAPÍTULO 1: INTRODUCCIÓN -- 1.1 Motivación -- 1.2 Objetivo -- 1.3 Resultados Esperados -- 1.4 Estructura de la tesina -- CAPÍTULO 2: TRANSFER LEARNING -- 2.1 Comparación con Machine Learning -- 2.2 Definición formal -- 2.3 Estrategias de transfer learning -- 2.4 Modelos Pre-entrenados -- 2.5 Conclusión -- CAPÍTULO 3: EL BANCO ALIMENTARIO -- 3.1 Sistema Actual: Kolsen -- 3.2 Procesamiento de mercadería -- 3.3 Problemáticas -- 3.4 Solución propuesta -- CAPÍTULO 4: MODELOS DE DETECCIÓN DE OBJETOS -- 4.1 Introducción -- 4.1.1 Conceptos básicos que afectan el entrenamiento de una red neuronal -- 4.2 Red neuroral convolucional -- 4.2.1 Arquitectura básica -- 4.2.1.1 Convolución -- 4.2.1.1.1 Depth-wise Convolution -- 4.2.1.1.2 Depth-wise Separable Convolution -- 4.2.1.2 Agrupación de capas (max pooling) -- 4.2.1.3 Fully connected -- 4.2.1.4 Softmax -- 4.3 Descripción de los modelos usados en esta Tesina -- 4.3.1 Faster Region-based Convolutional Neural Network (Fast R-CNN). -- 4.3.2 Single-Shot Multibox Detection (SSD) -- 4.4 Transfer Learning y las estrategias de uso de modelos pre-entrenados -- 4.4.1 Proceso de Transfer Learning aplicados a los modelos de esta Tesina -- 4.5 Construcción del entorno de prueba -- 4.5.1 Definición del Dataset -- 4.5.1.1 Dataset de Entrenamiento y Dataset de Validación -- 4.5.1.2 Data augmentation -- 4.5.2 Descripción las pruebas: -- 4.5.2.1 Parámetros a evaluar -- 4.5.2.1.1 Loss Function -- 4.5.2.1.2 Accuracy -- 4.6 Resultados obtenidos -- 4.6.1 RCNN -- 4.6.2 SSD MobileNet -- 4.6.3 SSD Inception -- 4.7 Conclusiones -- CAPÍTULO 5: RECONOCIMIENTOS DE PRODUCTOS -- 5.1 Introducción -- 5.2 Configuración del Dataset -- 5.3 Complicaciones -- 5.4 Configuración del Framework -- 5.4.1 El Proceso de Compilación de los Protobuf -- 5.4.2 Convertir de XML a csv -- 5.4.3 TFRecords -- 5.4.4 Los Modelos Pre-entrenados -- 5.4.5 Entrenamiento y validación -- 5.4.6 Modelo de inferencia -- 5.4.7 Checkpoints -- 5.4.8 Exportar el Modelo -- 5.4.9 Ejecución con datos reales 8 -- 5.5 Dificultades Presentadas -- 5.5.1 Problemas al compilar los Protobuff: -- 5.5.2 Memoria insuficiente (Allocation of exceeds 10% of system memory) -- 5.5.3 Errores de sintaxis -- 5.5.4 Inactividad del Tensorboard (Tensorboard no está activo) -- 5.5.5 Problemas para obtener el accuracy -- 5.5.6 Versionar con excesivo tamaño -- CAPITULO 6: Propuesta para el Banco Alimentario -- 6.1 Introducción: -- 6.2 Interfaces de UI -- 6.3 Servicios en la Nube -- 6.4 Dificultades -- 7.1 Desarrollos Futuros -- BIBLIOGRAFÍA
Dissertation note: Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2021.
Star ratings
    Average rating: 0.0 (0 votes)
Holdings
Item type Home library Collection Call number URL Status Date due Barcode
Tesis de posgrado Tesis de posgrado Biblioteca de la Facultad de Informática TES 21/06 (Browse shelf(Opens below)) Available DIF-04939
Tesis de posgrado Tesis de posgrado Biblioteca de la Facultad de Informática Biblioteca digital Link to resource No corresponde
Tesis de posgrado Tesis de posgrado Biblioteca de la Facultad de Informática Biblioteca digital Link to resource No corresponde

Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2021.

CAPÍTULO 1: INTRODUCCIÓN -- 1.1 Motivación -- 1.2 Objetivo -- 1.3 Resultados Esperados -- 1.4 Estructura de la tesina -- CAPÍTULO 2: TRANSFER LEARNING -- 2.1 Comparación con Machine Learning -- 2.2 Definición formal -- 2.3 Estrategias de transfer learning -- 2.4 Modelos Pre-entrenados -- 2.5 Conclusión -- CAPÍTULO 3: EL BANCO ALIMENTARIO -- 3.1 Sistema Actual: Kolsen -- 3.2 Procesamiento de mercadería -- 3.3 Problemáticas -- 3.4 Solución propuesta -- CAPÍTULO 4: MODELOS DE DETECCIÓN DE OBJETOS -- 4.1 Introducción -- 4.1.1 Conceptos básicos que afectan el entrenamiento de una red neuronal -- 4.2 Red neuroral convolucional -- 4.2.1 Arquitectura básica -- 4.2.1.1 Convolución -- 4.2.1.1.1 Depth-wise Convolution -- 4.2.1.1.2 Depth-wise Separable Convolution -- 4.2.1.2 Agrupación de capas (max pooling) -- 4.2.1.3 Fully connected -- 4.2.1.4 Softmax -- 4.3 Descripción de los modelos usados en esta Tesina -- 4.3.1 Faster Region-based Convolutional Neural Network (Fast R-CNN). -- 4.3.2 Single-Shot Multibox Detection (SSD) -- 4.4 Transfer Learning y las estrategias de uso de modelos pre-entrenados -- 4.4.1 Proceso de Transfer Learning aplicados a los modelos de esta Tesina -- 4.5 Construcción del entorno de prueba -- 4.5.1 Definición del Dataset -- 4.5.1.1 Dataset de Entrenamiento y Dataset de Validación -- 4.5.1.2 Data augmentation -- 4.5.2 Descripción las pruebas: -- 4.5.2.1 Parámetros a evaluar -- 4.5.2.1.1 Loss Function -- 4.5.2.1.2 Accuracy -- 4.6 Resultados obtenidos -- 4.6.1 RCNN -- 4.6.2 SSD MobileNet -- 4.6.3 SSD Inception -- 4.7 Conclusiones -- CAPÍTULO 5: RECONOCIMIENTOS DE PRODUCTOS -- 5.1 Introducción -- 5.2 Configuración del Dataset -- 5.3 Complicaciones -- 5.4 Configuración del Framework -- 5.4.1 El Proceso de Compilación de los Protobuf -- 5.4.2 Convertir de XML a csv -- 5.4.3 TFRecords -- 5.4.4 Los Modelos Pre-entrenados -- 5.4.5 Entrenamiento y validación -- 5.4.6 Modelo de inferencia -- 5.4.7 Checkpoints -- 5.4.8 Exportar el Modelo -- 5.4.9 Ejecución con datos reales 8 -- 5.5 Dificultades Presentadas -- 5.5.1 Problemas al compilar los Protobuff: -- 5.5.2 Memoria insuficiente (Allocation of exceeds 10% of system memory) -- 5.5.3 Errores de sintaxis -- 5.5.4 Inactividad del Tensorboard (Tensorboard no está activo) -- 5.5.5 Problemas para obtener el accuracy -- 5.5.6 Versionar con excesivo tamaño -- CAPITULO 6: Propuesta para el Banco Alimentario -- 6.1 Introducción: -- 6.2 Interfaces de UI -- 6.3 Servicios en la Nube -- 6.4 Dificultades -- 7.1 Desarrollos Futuros -- BIBLIOGRAFÍA

Click on an image to view it in the image viewer

Local cover image