3.1 - El sistema de visión humano y las Redes Convolucionales
Lección 1 de la sección “Redes Convolucionales” del curso Fundamentos de Deep Learning con Python.
Tabla de contenido
Introducción
En la lección anterior vimos cómo implementar y validar un modelo de predicción de diabetes con Redes Neuronales, y con ello culminamos la segunda sección del curso.
Ahora daremos inicio a la tercera sección del curso, en donde veremos todo lo relacionado con las Redes Convolucionales, una de las arquitecturas más usadas en la actualidad para el procesamiento de imágenes y para el desarrollo de aplicaciones de visión artificial.
En esta lección veremos el principio de funcionamiento del sistema de visión humano, pues las Redes Convolucionales toman varias de estas ideas para posteriormente realizar el procesamiento de imágenes.
Suscríbete para tener acceso al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Arquitectura de la corteza visual
Nuestros ojos poseen células especializadas que generan señales eléctricas las cuales son posteriormente procesadas por neuronas especializadas ubicadas en la corteza visual del cerebro.
Cada grupo de neuronas posee un campo receptivo local, lo cual implica que reaccionan sólo a estimos locales en una región limitada del campo de visión.
Otros grupos de neuronas reaccionan a formas básicas presentes en la escena (como líneas en diferentes orientaciones por ejemplo), mientras que otros grupos combinan esta información para detectar patrones más complejos.
Así, a medida que vemos más profundo en la corteza visual, las neuronas son capaces de procesar patrones cada vez más complejos.
Las Redes Convolucionales y su relación con el sistema de visión humano
Las Redes Convolucionales usan estos mismos principios descritos en la sección anterior. De esta forma, las primeras capas de una Red Convolucional se especializan en el procesamiento de patrones básicos, y a medida que vamos más profundo en la Red las neuronas de las capas más profundas logran analizar patrones cada vez más complejos.
Así, en última instancia una Red Convolucional lo suficientemente profunda logrará extraer la información necesaria para realizar tareas como la clasificación, la segmentación o la detección de objetos, por ejemplo.
Recuerda suscribirte para acceder al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Conclusión
Muy bien, ya tenemos una idea básica y general de lo que logra hacer una Red Convolucional al momento de procesar una imagen, y de la relación de estas redes con el principio de funcionamiento del sistema de visión humano.
En el próximo video veremos los retos del procesamiento digital de imágenes y las limitaciones de las Redes Neuronales para el procesamiento de este tipo de datos.