Modelo de identificación espacial de patrones de referencia empleando Redes Neuronales Convolucionales (CNN) y entrenamiento por lotes

Resumen

Este artículo presenta el diseño de un modelo de red neuronal convolucional (CNN) para la identificación espacial de un patrón de referencia utilizando imágenes sintéticas. En visión artificial una de las problemáticas para la detección precisa de objetos está relacionada con las condiciones de iluminación o el ruido de las imágenes, por lo que se ha propuesto un modelo de CNN que utilizó imágenes sintéticas y entrenamiento por lotes para realizar de forma precisa la identificación y ubicación espacial de un patrón de referencia. El modelo en mención se diseñó con diferentes capas de convolución y agrupamiento contando con una salida de clasificación y una de regresión. Durante las pruebas realizadas se obtuvieron valores de exactitud de arriba del 90% en la detección del patrón de referencia y una tasa de error cuadrático media relativamente baja, lo cual demostró la precisión y eficacia del modelo. Los resultados señalaron que este modelo es útil para entornos controlados, sin embargo, pudiera ser escalable y adaptable para otros entornos y condiciones variadas.