En esta última parte de mi serie, compartiré lo que he aprendido sobre cómo seleccionar un modelo para la clasificación de imágenes y cómo ajustar ese modelo. También mostraré cómo puede aprovechar el modelo para acelerar su proceso de etiquetado y, finalmente, cómo justificar sus esfuerzos generando estadísticas de uso y rendimiento.
En Parte 1hablé del proceso de etiquetar los datos de su imagen que utiliza en su proyecto de clasificación de imágenes. Mostré cómo definir imágenes “buenas” y crear subclases. En parte 2Revisé varios conjuntos de datos, más allá de los conjuntos habituales de pruebas de validación de trenes, con conjuntos de referencia, además de cómo manejar datos sintéticos e imágenes duplicadas. En la Parte 3, expliqué cómo aplicar diferentes criterios de evaluación a un modelo entrenado versus un modelo implementado, y cómo usar puntos de referencia para determinar cuándo implementar un modelo.
Selección de modelo
Hasta ahora me he centrado mucho en etiquetar y seleccionar el conjunto de imágenes, y también en evaluar el rendimiento del modelo, que es como poner el carro delante del caballo. No estoy tratando de minimizar lo que se necesita para diseñar una red neuronal masiva; esta es una parte muy importante de la aplicación que está creando. En mi…