TY - JOUR AU - Collazos Huertas, Diego Fabian AU - Gómez Gómez, Gloria Stephany AU - Álvarez Meza, Andrés Marino PY - 2021/09/30 Y2 - 2024/03/29 TI - Reconocimiento de animales desde imágenes utilizando aprendizaje por transferencia JF - Scientia et Technica JA - Sci. tech VL - 26 IS - 03 SE - Bioingeniería DO - 10.22517/23447214.24538 UR - https://revistas.utp.edu.co/index.php/revistaciencia/article/view/24538 SP - 406-411 AB - <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> ER -