REVISTA DE INGENIERIA DYNA

Palabras clave:

Redes Neuronales Convolucionales, Histograma de Gradiente Orientado, Aprendizaje de Máquina, Clasificación de Grano Fino, Imágenes de automóviles, Convolutional Neural Networks, Gradient Oriented Histogram, Machine Learning, Fine Grain Classification, Car Images.

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

En este trabajo se realiza la clasificación automática de 1,000 imágenes que contienen cinco diferentes modelos de automóviles. Para ello, y con el objetivo de determinar el método más preciso, se propuso el uso de dos escenarios de clasificación, con tres algoritmos de clasificación y cinco métricas de evaluación. Para mejorar los resultados, decidimos utilizar dos descriptores; el histograma de gradiente orientado y la red neuronal convolucional: ResNet-50, para extraer el vector de características de las imágenes, y utilizarlo como dato de entrada en los algoritmos clasificadores. Los resultados obtenidos muestran un valor máximo de la exactitud de 88.01 % utilizando la combinación: ResNet-50 en el escenario de clasificación: conjunto de entrenamiento y prueba, y el algoritmo de máquina de vector de soporte.

Palabras Clave: Redes Neuronales Convolucionales, Histograma de Gradiente Orientado, Aprendizaje Automático, Clasificación de Grano Fino, Imágenes de automóviles.