Calibración de combinaciones de redes neuronales profundas convolucionales

El objetivo de este Trabajo de Fin de Grado es púramente descriptivo. Se centrará en estudiar el comportamiento de una topología particular de redes neuronales profundas: las redes neuronales convolucionales. Para ello se hará uso de modelos de redes ya implementados (ResNet18, ResNet50, DenseNet121, EfficientNetB0 y UpaNet), y se llevará a cabo el entrenamiento de los mismos sobre distintos conjuntos de datos para calcular ciertas medidas que se estudiarán, tras lo cual se aplicará alguna técnica de optimización y se comprobará su efecto. Lo primero que se realizará es un profundo estudio del estado del arte, con el objetivo de poner en contexto la situación planteada en el proyecto. Se detallarán una serie de conceptos acerca de redes neuronales profundas, y en concreto de redes neuronales convolucionales, que son necesarios conocer para poder comprender los distintos experimentos que se llevarán a cabo. Una vez definidos estos conceptos y explicado el funcionamiento de este tipo de redes, se introducirá el objetivo principal del trabajo: la calibración de redes neuronales. Tras presentar el principal objetivo se introducirá el entorno software en que se ha llevado a cabo el proyecto: el lenguaje de programación Python y más concretamente la librería Pytorch. Una vez explicada esta librería, se detallarán los aspectos más relevantes de cada modelo de red neuronal. En el siguiente capítulo se explicarán los experimentos, los conjunto de datos empleados en estos y las métricas con las que se evaluarán estos, así como las optimizaciones empleadas para mejorar el rendimiento de las redes. Finalmente se expondrán los resultados, explicando el porqué de algunos de ellos y dejando la puerta abierta a un futuro trabajo para entender y mejorar algunos comportamientos detectados