Los algoritmos de machine learning son capaces de clasificar datos en subconjuntos bajo cierto patrón dado con una muy buena exactitud, sin embargo, exiten otros algoritmos con los que se puede realizar la misma tarea de clasificación como lo son las redes neuronales artificiales (ANN). ¿Algoritmos como la regresión logística, los árboles de decisión o las máquinas de vectores de soporte serán mejores que una red neuronal artificial, para la clasificación de pinturas por su movimiento artíctico?
- Diseñar, entrenar y probar algoritmos de machine learning para clasificar imágenes de pinturas por su movimiento artístico.
- Obtener las imágenes de los datasets y procesarlas para aplicar los algoritmos de ML y ANN
- Diseñar algoritmos de ML capaces de identificar una imagen de una pintura y clasificarla con base en su movimiento artístico.
- Diseñar redes neuronales artificiales capaces de clasificar una pintura por su movimiento artístico.
- Calificar el desempeño de los algoritmos de ML y la ANN.
El proyecto consiste en el diseño de una ANN, así como dos algoritmos de ML, un arbol de decisiones y un suport vector machine, con los que se clasificarán pinturas de dos datasets (https://www.kaggle.com/ipythonx/wikiart-gangogh-creating-art-gan, https://www.kaggle.com/ikarus777/best-artworks-of-all-time).
Hoy en día los algorítmos de clasificación de imágenes tienen una vasta cantidad de aplicaciones en diferentes áreas, sin embargo el principio del algoritmo es el mismo, es por ello que existe un gran interés en poder clasificar imágenes bajo cierto criterio. Asimismo, al aprender sobre algoritmos de clasificación con machine learning me surgió el interés por comprobar su efectividad contra redes neuronales, de las cuales aprendí y utilicé en la maestría para estimar variables en sistemas físicos, pero no para clasificación de imágenes ni con Python.
https://drive.google.com/drive/folders/1-WDvsx3Dp2dMpuCVIe2At_d6skX6wJ53?usp=sharing
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent