Ir arriba

Design of small CNN via synthetic images and filter extraction

Durante los últimos años se viene observando el enorme potencial de las Redes Neuronales Convolucionales (CNN, por sus siglas en inglés) en tareas de clasificación de imágenes. Sin embargo, el desarrollo y ejecución de dichos modelos implica importantes desventajas como son el elevado uso de recursos computacionales, así como de tiempo de entrenamiento, además del alto nivel de complejidad alcanzado por el algoritmo que hace que las predicciones sean poco interpretables. Dichos inconvenientes hacen que su uso en ciertos entornos industriales se vea limitado. El presente proyecto introduce una metodología, basada en el uso de un conjunto de datos generados sintéticamente; así como en la extracción de filtros, que permite obtener una base de conocimiento para diseñar arquitecturas de CNN menos complejas que den respuesta a problemas específicos, desarrollando así modelos más explicativos y sostenibles.