Reconocimiento no-supervisado de escenas mediante características extraídas de redes neuronales pre-entrenadas

Las redes neuronales han crecido de manera exponencial desde lo que podría considerarse el inicio de esta tecnología con el surgimiento de la idea del perceptrón y el perceptron multicapa a finales de 1950 e inicios de 1960. A partir de ese momento, los avances continuaron, y con ellos se desarrollaron nuevas interpretaciones del algoritmo de "Backpropagation", una revolucionaria mejora que permitía calcular el error en la salida y propagarlo hacia capas anteriores y que nuestra red clasifique correctamente las imágenes. Más adelante surgieron las redes neuronales convolucionales que toman su inspiración en el cortex visual de los animales y con ella aparecieron los primeros estudios de reconocimiento de letras manuscritas, el considerado ”Hello World” en las redes neuronales. A principios de siglo se aprovechó el poder de las GPU y los problemas computacionales desaparecieron y se superó una barrera que permite una capacidad de computo casi ilimitada a estas redes. Todos estos avances han propiciado que esta tecnología se encuentre muy presente en el día a día y se puede observar en sectores tan diferenciados como son la medicina, finanzas, automoción, marketing y un sin fin de ejemplos. Este trabajo se centra en el reconocimiento de escenas basado en la extracción de características a partir de una red convolucional preentrenada. Para ello, se ha seguído el estudio de Andreas Sebastian Wolters Unsupervised scene and place recognition based on features extracted from pretrained convolutional neural networks en el que expone el uso de redes neuronales preentrenadas como VGG16 y AlexNet en primera instancia con un algoritmo de emparejamiento que almacene una tabla de lugares detectando si una escena es nueva o por el contrario ya ha sido encontrada una escena similar. Posteriormente se implementa un algoritmo de clustering k-means capaz de agrupar en distintas clases las imágenes a partir del diccionario de lugares. En este proyecto se ha pre-entrenado las redes neuronales con la base de datos de imágenes de Imagenet lo que ha permitido un rápido entrenamiento sobre el dataset propio y la posibilidad de no utilizar una base de imágenes excesivamente grande para entrenar el modelo. En última instancia, se ha realizado una comparación y análisis de los resultados obtenidos y comparación de los mismos en función de los diferentes métodos utilizado