Deep Learning in images classification
Se tiene un dataset de imagenes tomadas por microscopios de barrido, cada conjunto de imagenes se encuentra clasificada. El objetivo principal dada una imagen arbitraria, es identificar si pertenece a alguna clasificacion del dataset que se tiene. A grandes rasgos, se pretende realizar la clasificacion de imagenes mediante el aprendizaje profundo. La optimalidad de los casos correctos de la aplicacion va a ser directamente proporcional con el tiempo asignado al proyecto. Para generar estos fines, se va a llevar a cabo la implementacion en python, con el auxilio de la biblioteca TensorFlow. Con respecto a la relacion que tiene este trabajo con otras asignaturas se puede decir que es bastante amplia. Vamos a emplear conocimiento de procesamiento de imagenes, tales como la convolucion, funciones activadoras (en este caso: ReLu), y la tecnica maxpolling para disminuir el tamanno de la imagen y asi mantener una eficiencia espacial. Por otra parte, el aprendizaje profundo consta de una estructura de datos basada en grafos, donde en una parte especifica tendremos como bien conocida es: Fully Connected Layers, que no es mas que un grafo bipartito completo el cual interviene en el proceso de la clasificacion. Y siendo mas especifico en la parte de la clasificacion, se utilizaran modelos probabilistas, en este caso: las redes bayesianas. Por lo tanto, a modo de resumen tenemos que su relacion con otras asignaturas es perenne, algunas de estas son : Procesamiento de Imagenes, Probabilidades, Estructura de datos y algoritmos, Modelos Probabilistas en Grafos (Redes Bayesianas).