El análisis de eficiencia de la red neuronal convolucional (cnn) y el sistema de aprendizaje tensorflow

Resumen

La tecnología de la identificación de imágenes y aprendizaje automático se ha aplicado en varios campos como medicina, en las plantas, reconocimiento de especies (serpientes)[1][2]. La aplicación de identificación de imágenes actualmente en la detección e identificación de objetos en determinar una imagen de forma momentánea. En este artículo se propone evaluar el comportamiento de las redes neuronales convolucionales junto a tensorflow, con el objetivo de ver cómo se comporta el sistema y si este es eficiente o no ante cada una de las pruebas que se le realizo al sistema con las diferentes imágenes sé que pasaron, con el fin de ser si es sistema muestra números de eficiencia o no. De esta manera veremos los resultados obtenidos durante cada una de las pruebas que se realizaron, de esta forma llegaremos a la conclusión si el sistema es eficiente o no. Después de que el sistema ha captado imágenes de diferentes especies, de esta manera mejora la capacidad de identificación del sistema de una manera ágil. Implementando estas tecnologías (red neuronal convolucional (CNN) y el sistema de aprendizaje tensorflow), realizando la unión de estos dos se obtuvo un sistema más rápido en los resultados del reconocimiento de especies.

La presente investigación se ha dedicado al estudio del comportamiento de la red neuronal y el sistema de aprendizaje tensorflow, del cual se concluye con evidencias positivas el funcionamiento del sistema durante el periodo de pruebas. Se encontraron fallos mínimos principalmente errores humanos al momento de tomar los registros fotográficos como el desenfoque, la baja calidad o el plano en el que se encuentra el animal en la imagen que se desea cargar, en el caso de las imágenes de alta resolución y calidad no se encontraron fallos a gran escala. Dando a entender que la red neuronal y el sistema de aprendizaje presentan un alto porcentaje de asertividad reflejado en las pruebas realizadas.