Análisis de la técnica Transfer Learning en Machine Learning a través de un caso de estudio

CAPÍTULO 1: INTRODUCCIÓN
1.1 Motivación
1.2 Objetivo 
1.3 Resultados Esperados 
1.4 Estructura de la tesina

CAPÍTULO 2: TRANSFER LEARNING 
2.1 Comparación con Machine Learning 
2.2 Definición formal
2.3 Estrategias de transfer learning 
2.4 Modelos Pre-entrenados
2.5 Conclusión

CAPÍTULO 3: EL BANCO ALIMENTARIO
3.1 Sistema Actual: Kolsen 
3.2 Procesamiento de mercadería 
3.3 Problemáticas 
3.4 Solución propuesta

CAPÍTULO 4: MODELOS DE DETECCIÓN DE OBJETOS
4.1 Introducción 
4.1.1 Conceptos básicos que afectan el entrenamiento de una red neuronal 
4.2 Red neuroral convolucional 
4.2.1 Arquitectura básica 
4.2.1.1 Convolución 
4.2.1.1.1 Depth-wise Convolution 
4.2.1.1.2 Depth-wise Separable Convolution 
4.2.1.2 Agrupación de capas (max pooling) 
4.2.1.3 Fully connected 
4.2.1.4 Softmax 
4.3 Descripción de los modelos usados en esta Tesina
4.3.1 Faster Region-based Convolutional Neural Network (Fast R-CNN).
4.3.2 Single-Shot Multibox Detection (SSD) 
4.4 Transfer Learning y las estrategias de uso de modelos pre-entrenados 
4.4.1 Proceso de Transfer Learning aplicados a los modelos de esta Tesina 
4.5 Construcción del entorno de prueba 
4.5.1 Definición del Dataset 
4.5.1.1 Dataset de Entrenamiento y Dataset de Validación 
4.5.1.2 Data augmentation 
4.5.2 Descripción las pruebas: 
4.5.2.1 Parámetros a evaluar 
4.5.2.1.1 Loss Function 
4.5.2.1.2 Accuracy 
4.6 Resultados obtenidos 
4.6.1 RCNN 
4.6.2 SSD MobileNet 
4.6.3 SSD Inception 
4.7 Conclusiones

CAPÍTULO 5: RECONOCIMIENTOS DE PRODUCTOS 
5.1 Introducción 
5.2 Configuración del Dataset 
5.3 Complicaciones 
5.4 Configuración del Framework
5.4.1 El Proceso de Compilación de los Protobuf 
5.4.2 Convertir de XML a csv 
5.4.3 TFRecords
5.4.4 Los Modelos Pre-entrenados 
5.4.5 Entrenamiento y validación 
5.4.6 Modelo de inferencia 
5.4.7 Checkpoints 
5.4.8 Exportar el Modelo 
5.4.9 Ejecución con datos reales 8
5.5 Dificultades Presentadas 
5.5.1 Problemas al compilar los Protobuff: 
5.5.2 Memoria insuficiente (Allocation of exceeds 10% of system memory)
5.5.3 Errores de sintaxis 
5.5.4 Inactividad del Tensorboard (Tensorboard no está activo) 
5.5.5 Problemas para obtener el accuracy 
5.5.6 Versionar con excesivo tamaño

CAPITULO 6: Propuesta para el Banco Alimentario 
6.1 Introducción: 
6.2 Interfaces de UI
6.3 Servicios en la Nube
6.4 Dificultades

7.1 Desarrollos Futuros

BIBLIOGRAFÍA