15
Aproximación a una Red neuronal para la clasificación de las mariposas

Aproximación a una red neuronal para la clasificación

Embed Size (px)

Citation preview

Page 1: Aproximación a una red neuronal para la clasificación

Aproximación a una Red neuronal para la clasificación de las mariposas

Page 2: Aproximación a una red neuronal para la clasificación

Índice

• Introducción• Herramientas y técnicas utilizadas• Selección material de estudio• Diagrama de flujo• Programa de aproximación• Conclusiones y pasos a seguir

Page 3: Aproximación a una red neuronal para la clasificación

Introducción

• El objetivo es clasificar a las mariposas por especie analizando su color.

• Se plantea una clasificación inicial de mariposas azules (Morpho azul) y de otros colores.

• Como aproximación inicial se construye una red neuronal para obtener datos por especie y analizar los datos que esta arroje.

Page 4: Aproximación a una red neuronal para la clasificación

Herramientas y técnicas utilizadas

• Visual Studio 2012 C# y sus librerías de procesamiento de imágenes:– System.Drawing

• Se usa el modelo HSI para el análisis del color de las mariposas.

• El entrenamiento asistido se realiza con imágenes encontradas en internet.

• Inicialmente se usa la red neuronal basada en un perceptrón.

Page 5: Aproximación a una red neuronal para la clasificación

Análisis del color

• Se usa el modelo HSI para realizar el análisis del color de las fotografías.– El tono (H) y la saturación (S) están relacionadas

con la forma en la que vemos el color.– Analizar el Tono y la Saturación es la metodología

ideal para procesar las propiedades de percepción del color en vez de las componentes RGB.

Page 6: Aproximación a una red neuronal para la clasificación

Selección del material de estudio

• Mariposas de tipo Morpho Azul.• Para el estudio inicial se realiza un recorte

manual de la mariposa.

Morpho Achilles Morpho Rhetenor

Tomadas de flickr.com y de butterfliesofamerica.com

Page 7: Aproximación a una red neuronal para la clasificación

Diagrama de flujo

• Lectura y recorte de la imagen.• Inicialización de la red neuronal.• Procesamiento de los datos de la imagen– Cálculo del histograma– Cálculo del tono.– Llenado de la matriz de datos de entrenamiento para la

red neuronal.– Umbralización del tono para llenar la matriz de datos

esperados de la red neuronal.• Entrenamiento de la red.

Page 8: Aproximación a una red neuronal para la clasificación

Diagrama de flujo Parte 1

• Se carga y se escala la imagen a 320 x 220 px.

• Se inicializa una red neuronal de una neurona con coeficiente de aprendizaje de 0.5 y 100 épocas.

• Inicialización de 3 Pesos W1( R), W2(G), W3(B)

Page 9: Aproximación a una red neuronal para la clasificación

Diagrama de flujo Parte 2

• Se llena el histograma para la representación gráfica de los datos de la imagen.

• Se llena la matriz de entrenamiento.

• Se realiza la lectura pixel a pixel para calcular el tono.

Page 10: Aproximación a una red neuronal para la clasificación

Diagrama de flujo Parte 3

• Se analiza el tono en la escala de azules entre 150 y 270 grados. Para este rango se llena 1 en la matriz de datos esperados y si no se llena en 0 por cada pixel.

Page 11: Aproximación a una red neuronal para la clasificación

Programa de aproximación

• Carga inicial de la imagen recortada.

Page 12: Aproximación a una red neuronal para la clasificación

Programa de aproximación

• Entrenamiento finalizado

Page 13: Aproximación a una red neuronal para la clasificación

Resultados

Hoja de Excel

Page 14: Aproximación a una red neuronal para la clasificación

Conclusiones y pasos a seguir

• Realizar una validación del algoritmo implementado.

• Uso de la estadística descriptiva para analizar los datos arrojados por la red neuronal.– Gráficas del error clasificadas por perceptrón y por

peso.– Gráficas en 3D representando los datos RGB por

especie de mariposa.– Gráfica de representación del tono por especie de

mariposa.

Page 15: Aproximación a una red neuronal para la clasificación

Conclusiones y pasos a seguir

• Analizar otras topologías y tipos de redes neuronales.

• Realizar una segmentación de las imágenes basados en técnicas de bordes para no usar el recorte manual.

• Implementación de un sistema Fuzzy para detectar el rango del tono para la umbralización.

• Trabajar en la justificación en general de los procedimientos en el proyecto.