Clasificación de platos a partir de imágenes con dispositivos móviles

Los campos conocidos como Deep Learning y Machine Learning han evolucionado durante años hasta el día de hoy, y lo van a seguir haciendo. Hace unos años, surgieron un nuevo tipo de redes neuronales profundas, llamadas redes neuronales convolucionales (CNN). La operación principal en la que se basan estas redes es en la convolución de matrices. Las CNN están formadas por múltiples capas como las capas de convolución, agrupación promedio y capa totalmente conectada. Además de éstas, existen otras como las capas de BatchNormalization y Dropout que, junto a técnicas de aumento de datos, pueden mejorar los resultados de la red. Este tipo de redes, se utiliza principalmente, para la clasificación de categorías en función de imágenes que se obtienen de grandes conjuntos de datos conocidos como datasets. En la actualidad, las CNN se utilizan en una amplia variedad de dispositivos para clasificar objetos, siendo ésta la funcionalidad principal de muchas aplicaciones. Este artículo explicará algunas nociones básicas de las CNN, se desarrollará un modelo de red para clasificar distintos platos de alimentos a partir del modelo VGG16 y se relatará de manera breve la incorporación de esta red a una aplicación móvil.