Funcionamiento de Image Classification - TensorFlow

El algoritmo Image Classification - TensorFlow toma una imagen como entrada y la clasifica en una de las etiquetas de clase de salida. Hay varias redes de aprendizaje profundo, como MobileNet, ResNet, Inception y EfficientNet, que son muy precisas para la clasificación de imágenes. También hay redes de aprendizaje profundo que se entrenan con conjuntos de datos de imágenes de gran tamaño, como ImageNet, que tiene más de 11 millones de imágenes y casi 11 000 clases. Tras entrenar una red con datos de ImageNet, puede ajustarla en un conjunto de datos, con el objetivo principal de llevar a cabo tareas de clasificación más específicas. El algoritmo Image Classification - TensorFlow en Amazon SageMaker es compatible con el aprendizaje por transferencia en muchos modelos prentrenados disponibles en TensorFlow Hub.

En función del número de etiquetas de clase en los datos de entrenamiento, se asocia una capa de clasificación al modelo prentrenado de TensorFlow Hub que usted elija. La capa de clasificación está compuesta por una capa de eliminación, una capa densa y una capa totalmente conectada con regularización L2, y se inicia con ponderaciones aleatorias. El modelo tiene hiperparámetros para la tasa de eliminación, de la capa de eliminación, y el factor de regularización L2, para la capa densa. Luego, puede ajustar toda la red (lo que incluye el modelo prentrenado) o solo la capa de clasificación superior en los nuevos datos de entrenamiento. Con este método de aprendizaje por transferencia, es posible llevar a cabo el entrenamiento con conjuntos de datos más pequeños.