Redes Neuronales

Convolucionales para
reconocimiento de imágenes
Por: Ludim Salo
¿Quién soy? …
Ludim Anel Sánchez López

Ing. en Tecnología de Software, U.A.N.L.

Líder de Desarrollo en

FEDLab
Áreas de klothify
aprendizaje Sistemas
e interés de
Recomendación
Diseño
Centrado
en el Sistemas
Visión
Usuario Compu- Inteligentes
Desarrollo y tacional Data
Arquitectura Cleaning
de Software Educación Chatbots

Voluntariado
Investigación
¿Y tú...?
¿Quién eres?
¿Por qué estás
aquí?
Objetivo

Que conozcas qué son las

Redes Neuronales Convolucionales
y cómo puedes aplicarlas
en el reconocimiento de imágenes.
Objetivos específicos

Definir que es
Determinar
una red Conocer
componentes
neuronal aplicaciones
principales de
convolucional reales
una CNN
(CNN)
¿Qué espero que logres?

Poder nombrar un ejemplo

práctico (tuyo, propio) donde
puedas aplicar una Red Neuronal
Convolucional.
¿Por qué hacer una plática de CNN y reconocimiento de
imágenes?
● Gusto.
● Obligarme a investigar más del tema.
● Generar un espacio donde se comparta
información de este campo.
● Conocer gente que tenga interés en estos
temas.
● Por las ventajas que ofrece cuando se
quieren interpretar imágenes o vídeos.
● Compartir algunos (...varios) fails :)
Saberes previos recomendados
(para esta plática son poco relevantes)
● Programación
● Álgebra
● Cálculo
● Algoritmos de visión computacional
● Redes Neuronales Artificiales
● Machine Learning
Con su conocimiento… ¿Cómo generarían esta
imagen?
Un método de
cómo hacerlo
¿Qué es una neurona? (biología)

Como un procesador tiene:

● Entradas (dendritas)
● Salida (axón)
● Procesador (soma)

Fuente: http://avellano.fis.usal.es/~lalonso/RNA/index.htm
¿Qué es una red neuronal artificial (ARN)?

Compuesta de un enorme número

de neuronas interconectadas que
trabajan al unísono para resolver
problemas específicos. Como las
personas, las RNA, aprenden con el
ejemplo.[3]

Image tomada de: https://www.analyticsindiamag.com/how-to-create-your-first-artificial-neural-network-in-python/

Visión Computacional
AI ha acortado la brecha entre humanos y máquinas. Existen diversos esfuerzos
de diferentes áreas para crear grandes cosas, una de esas áreas es la Visión
Computacional. [4]

Visión permitir que las máquinas vean el mundo como los

Computacional humanos

¿Cómo se ha ido
Utilizando Deep Learning, principalmente Redes
perfeccionando en
Neuronales Convolucionales.
los últimos años?
¿Qué es una convolución?
Transformar dos funciones en una tercera función.

Fuente: https://es.wikipedia.org/wiki/Convoluci%C3%B3n
¿Qué es una red neuronal convolucional (CNN)?
Uno de los algoritmo de Aprendizaje Profundo (Deep Learning) que
toma una entrada, asigna importancia a varios aspectos dentro de una
imagen y diferencia estos aspectos uno de otro.

Está formada por capas de convoluciones (es decir que va

transformando las entradas).

Eficaz y eficiente para:

● Clasificación y detección de objetos

● Aplicar otras capas puede ayudar a procesar de mejor manera
nuestras imágenes, como: pooling
¿Para qué es una red neuronal convolucional?

● Reconocimiento de imágenes y vídeos

● Análisis y clasificación de imágenes
● Sistemas de recomendación
● Procesamiento Natural de Lenguaje
● Entre otros
¿De qué se compone?

Tomada de: https://ccinetica.wordpress.com/2018/06/06/redes-convolutivas-en-inteligencia-artificial/

 Vamos a ver el siguiente video:

China’s "Social Credit System" Has

Caused More Than Just Public
Shaming (HBO)

Aplicaciones También les puede interesar:

➢ How China Plans to Grade 1.3 Billion

People
➢ https://www.facebook.com/watch/?v=341
160256629718
Aplicaciones

¿Ideas de cómo
funciona?

Imagen tomada de:

http://www.pictoline.com/9361-rate-your-citizen/
Aplicaciones
Aplicaciones
Aplicaciones
Detección de desnudos

Modelo: NSFW (Not Safe For Work)

“returns probability scores on the

likelihood that an image contains
nudity. This model is great for anyone
trying to automatically moderate or
filter offensive content from their
platform.”

Prueba otros modelos en: https://clarifai.com/models/

Action Recognition Project
Aplicaciones
Pregunta original: ¿Cómo detectar si una
acción es voluntaria?

Respuesta: Eso no se puede “así nomás’ no :(“

¿Cómo si se puede?

Pregunta 2: ¿Puedo detectar qué acciones se

están realizando en las imágenes?

Respuesta: Si, investiga más.

Recursos necesitados para
Proyecto de Reconocimiento de Acciones
● Python
● TensorFlow
● Keras
● Colaboratory
● Cuenta Gmail
Objetivo General

Probar la posibilidad de predecir con una CNN qué acción se está realizando en
una imagen.
Ver código Action Recognition
proyecto: Project
https://colab.research.google.com/
drive/10YEvcu11sPE2gB7qQk7d_b7
mQYIk4sT4
Siguientes pasos

https://arxiv.org/pdf/1506.02640.pdf
https://www.learnopencv.com/deep-learning-based-human-pose-estimation-using-opencv-cpp-python/
¿A qué lugar lo llevarían a la práctica?
Y ahora… ¿Cómo puedes continuar?
● Clase Visión Computacional de Elisa Schaeffer (proyectos de exalumnos)
● Comunidades:
○ Data Science & Engineering Monterrey
○ Monterrey-School-of-AI
● Grupos de estudio:
○ AI6 Capítulo Monterrey
● Canales Youtube:
○ Siraj Raval
○ AMP Tech
● Grupo Whatsapp:
○ Computer Vision Mty
¿Preguntas?
ludim.anel@gmail.com
github.com/Ludim
Referencia
1. https://elisa.dyndns-web.com/teaching/sys/neural/intro.pdf
2. https://ccinetica.wordpress.com/2018/06/06/redes-convolutivas-en-inteligencia-artificial/
3. https://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html#What%20is%20a%20Neural%20Network
4. https://towardsdatascience.com/a-comprehensive-guide-to-convolutional-neural-networks-the-eli5-way-3bd2b1
164a53
5. https://www.youtube.com/watch?v=EAqb20_4Rdg
6. https://www.di.ens.fr/willow/research/stillactions/
7. https://www.youtube.com/watch?v=ns2L2T6wvAY
8. http://www.sysu-hcp.net/an-expressive-deep-model-for-human-action-parsing-from-a-single-image/
9. https://github.com/puigalex/AMP-Tech/tree/master/CNN%20desde%20cero
10. https://machinelearningmastery.com/adam-optimization-algorithm-for-deep-learning/
11. https://github.com/michalfaber/keras_Realtime_Multi-Person_Pose_Estimation/blob/master/demo.ipynb
12. https://colab.research.google.com/drive/1Z6r82FlQTBXTh3GZCPc9LeZClxFVhcl_#scrollTo=PLw47QOSGzdd