@article{Collazos Huertas_Gómez Gómez_Álvarez Meza_2021, title={Reconocimiento de animales desde imágenes utilizando aprendizaje por transferencia}, volume={26}, url={https://revistas.utp.edu.co/index.php/revistaciencia/article/view/24538}, DOI={10.22517/23447214.24538}, abstractNote={<p>Los sistemas de reconocimiento automático basados en imágenes se han utilizado ampliamente para resolver diferentes tareas de visión por computador. En particular, la identificación de animales en granjas es un campo de investigación de interés para comunidad relacionada con visión artificial y agricultura. En este sentido, es necesario desarrollar algoritmos robustos y precisos para respaldar las tareas de detección, reconocimiento y monitoreo, en aras de apoyar la gestión de granjas en agricultura. Tradicionalmente, se han propuesto enfoques de aprendizaje profundo para resolver tareas de detección basadas en imágenes. No obstante, se requieren de bases de datos con muchas instancias para lograr un rendimiento competitivo, sin mencionar los problemas de ajuste de los hiperparámetros. En este artículo, proponemos un enfoque de aprendizaje por transferencia para el reconocimiento de animales basado en imágenes. En particular, mejoramos un modelo de red neuronal convolucional previamente entrenado para la clasificación de animales a partir de imágenes ruidosas y de baja calidad. Primero, se prueba una tarea de perro contra gato a partir de la conocida base de datos CIFAR. Además, se crea una base de datos de vaca versus no vaca para probar nuestro enfoque de aprendizaje por transferencia. Los resultados obtenidos muestran un rendimiento de clasificación competitivo utilizando diferentes tipos de arquitecturas, en comparación con las metodologías actuales.</p>}, number={03}, journal={Scientia et Technica}, author={Collazos Huertas, Diego Fabian and Gómez Gómez, Gloria Stephany and Álvarez Meza, Andrés Marino}, year={2021}, month={sep.}, pages={406–411} }