Aplica conocimiento en el aprendizaje profundo para el desarrollo de aplicaciones de redes neuronales.
- Construye un clasificador para detectar sonrisas con el conjunto de datos SMILES utilizando aprendizaje por transferencia. Considera lo siguiente:
- El conjunto de datos SMILES está formado por un total de 13,165 imágenes en escala de grises de rostros sonriendo y no sonriendo. Cada imagen es de 64 x 64 pixeles. Puedes consultar el conjunto aquí:
GitHub. (s.f.). SMILEsmileD. Recuperado de https://github.com/hromi/SMILEsmileD/tree/master/SMILEs
El siguiente enlace es externo a la Universidad Tecmilenio,
al acceder a éste considera que debes apegarte a sus términos y condiciones.
- Una de las particularidades de este conjunto de datos es que cada imagen está recortada alrededor de los rostros, lo que puede facilitar el proceso de entrenamiento de una red, al aprender los patrones de "sonrisa" y "no sonrisa". Aunque el reto para tal proceso será identificar el rostro antes del patrón de sonrisa.
- Adicional a lo anterior, el conjunto de datos está desbalanceado, ya que hay una mayor cantidad de imágenes en la categoría de "no sonrisa" que en la de "sonrisa" (9,475 vs. 3,690, respectivamente).
- El flujo para la solución es el siguiente:
- Busca y selecciona un modelo preentrenado.
- Preprocesa y prepara los datos de entrada.
- Construye y ejecuta la red neuronal.
- Evalúa los resultados.
Reporte electrónico de los requisitos solicitados en las instrucciones, incluyendo instrucciones en Python, imágenes y/o diagramas que comprueben los resultados.
Considera que tu evidencia se evaluará con esta rúbrica.