Estudio y aplicación de redes convolucionales a la clasificación de imágenes estáticas

Abstract

La visión computacional es una de las áreas que ha avanzado más rápidamente en los últimos años gracias al Aprendizaje Profundo. En este proyecto se aborda uno de sus problemas centrales: la clasificación de imágenes estáticas. En particular, se plantea un estudio de la aplicación de las redes convolucionales en este reto, puesto que es la técnica más usada para ello, de acuerdo con la bibliografía actual sobre este tema. De este modo, no simplemente se profundiza en los fundamentos teóricos, sino que se hace uso del framework keras y de la librería tensorflow para construir estos modelos. Cabe destacar la oportunidad que se ha tenido de efectuar este estudio sobre un problema real, la detección de patologías a partir de imágenes oculares. Como temática principal, se ha abordado el diagnóstico del edema macular y la retinopatía diabética a partir de un imagen de fondo de ojo. En torno a este problema, se ha intentando, no solo diseñar una estructura de red neuronal que proporcione la mayor precisión posible, sino también poner de manifiesto el impacto de la utilización de diversas técnicas recomendadas de cara a mejorar esta precisión. Los resultados obtenidos se consideran satisfactorios, llegándose a unas precisiones del 91,79% y del 87,86% respectivamente. En segundo plano, también se realiza un estudio sobre un pequeño conjunto de datos, el cual ha permitido corroborar el potencial de esta técnica, proporcionando unos buenos resultados a pesar de disponer de pocas muestras. Finalmente, se ha desarrollado una sencilla aplicación web con Flask para permitir que estos modelos puedan ser utilizados por un usuario que disponga de unos conocimientos básicos de Informática. En este sentido se ha considerado de especial interés la utilización de contenedores Docker para favorecer la portabilidad y facilidad de su instalación y despliegue.