RedNeuronal_TFG

Inicio del proyecto día 08/10/2020

Proyecto de trabajo de fin de Grado de Daniel Fernández Alonso.

Reconocimiento de imágenes obtenidas con dron mediante técnicas de DeepLearning

Este proyecto va ser una reconocimeinto de imágenes procesadas con Deep Learning, para sacar patrones, obteniendo así posibles registros para identificar, por medio de imagenes, rasgos de caminos, lugares arqueologicos, y cruces de caminos.

Librerías útiles 📖

Numpy

• Soporte para vectores y matrices, funciones matemáticas para operaciones de alto nivel de vectores y matrices
• Importación : import numpy as np

Scipy

• Herramientas y algoritmos matemáticos para optimización, álgebra lineal, etc, procesamiento de señales e imagenes y tareas de ciencia e ingeniería
• Importación: Añadir la base de importación

Pandas

• Análisis de datos, para limpiar los datos en bruto, y que sean aptos para el análisis. Tareas como alinear datos para compararlos, fusion de conjuntos de datos, gestion de datos perdidos. Es una librería para procesamiento de datos estadísticos
• Importación: from pandas import DataFrame

Matplotlib

• Generación de gráficos a partir de listas o array de python y de numpy.
• Importación: import matplotlib.pyplot as plt

Scikit-Learn

• Construida sobre Numpy, Scipy y Matplotlib, implementa muchos de los algoritmos de Marchine Learning
• Importación: from sklearn import Añadir la libreria que nos haga falta

Keras

• Librería fácil para el usuario para usar el deep Learning
• Importación: from keras.libreria a añadir import lib a añadir

OS

• Es una librería para poder acceder al sistema y poder interacturar con el desde nuestro .py
• Importación: import os

RE

• Es una librería para encontrar patrones
• Importación: import re

Instalación de TensorFlow y Keras 🔧

• Tenemos que abrir la terminal de Anaconda Prompt como admin
• Introducimos el siguiente comando

conda install -c anaconda tensorflow
conda install -c conda-forge keras

• Introducimos el siguiente fragmento de codigo en nuestro py y sino salta error estaría funcional:

# Importamos el modelo para crear las capas 
from keras.model import Sequential

# Creamos las capas de nuestra red neuronal
model = Sequential()

Nos deberia de sacar por pantalla Using TensorFlow backend

Instalación de TensorFlow para GPU

pip install tensorflow

Solucion de errores

Al darnos un problema de overffitting porque tenemos imágenes muy similares la red no aprendia a generalizar, sino que memorizaba, los resultados que podiamos obtener. Por lo que si entraba una imágenes posterior o anterior a las que entrasen en entrenamiento, esa la reconocia bien, pero si era diferente nos falla. Para solucionar este error hemos colocado la siguiente linea, para que modifique la imagen, la invierta horizontalmente, la reescale, o la gire.

entrena_datagen = ImageDataGenerator(
    rescale = 1. / 255,
    rotation_range = 5,
    horizontal_flip = True
)   

Instalacion de librerias para GPU

Para instalar estas librerias desde la terminal de anaconda como administrador

conda install numba & conda install cudatoolkit

Crear entornos de desarrollo

Ejecutamos en terminal

conda create --name nombreAmbiente

Acrónimos📋

• CNN: Redes Neuronales Convolucionales ( Convolutional Neural Network)

Bibliografía 📖

Mención y ayuda para recordar los conocimientos y sitios donde de ha encontrado al información

• Aprendiendo a manejar tensorflow y Keras - con un ejemplo

• Red Neuronal convolucional- Denominado CNN

• Mayor documentacion de redes neuronales - Ejemplos y aumento de la bibliogrfía

• Consejos de mejorar de Deep Learning - Consejos útiles para el Machine Learning

• Clasificación de Imágenes de deportes - Ejemplo de Convolutional Neural Network

• Deep Learning- Ejemplo de Deep Learning

• Ejemplo de red convolucional- Google convolution

• Plantilla README.md - Ejemplo de README.md

• Estilo Yolo -- Parte 1

• Estilo Yolo 2 - Parte 2

• Clasificador de imágenes - Con TensorFlow

• Crear dataset- ImageDataGen

• CNN - Para ver pasos intermedios

• Overfitting - Pruebas de overfitting

• Ejemplo reconocimiento- opencv

• Mejoras del modelo - Pruebas de nuevos modelos

• Visualizar - CNN

• Libreos CNN

• Video IA - 3Horas

• GPU - Intento instalar gpu

• NUMBA -Libreria de numba

• TensorFlow - Libreria de TensorFlow

• Video GPU- Instalar cuda en UBUNTU

• Explicación CNN- AMP-TECH

• Web IA

Documentación

• Libreria Keras - Información sobre la librería

Licencia

MIT Licencia del proyecto