Diseño, implementación y evaluación de una red neuronal convolucional de regresión en clasificación de naranjas

Abstract

[ES] Este trabajo consistirá en diseñar, implementar y evaluar diferentes arquitecturas de redes neuronales convolucionales de regresión. Estas redes neuronales deberán ordenar las imágenes de naranjas capturadas en una línea de producción según su calidad.

Inicialmente, el trabajo se centrará en la creación y edición de forma supervisada de un conjunto de imágenes bien etiquetadas. Para ello, se utilizará la herramienta de etiquetado datasets.ai2.upv.es/oranges disponible en el Instituto de Automática e Informática Industrial (ai2). Posteriormente se diseñarán distintas arquitecturas de redes neuronales de regresión y se optimizará cada una de ellas sobre el espacio de hiperparámetros utilizando Python y Pytorch. Finalmente, se evaluarán las distintas arquitecturas propuestas, utilizando como criterios de optimización tanto las tasas de aciertos como los costes temporales.

[EN] This work will consist of designing, implementing and evaluating different regression convolutional neural network architectures. These neural networks must order the images of oranges captured on a production line according to their quality.

Initially, work will focus on supervised creation and editing of a set of well-labeled images. For this, the labeling tool datasets.ai2.upv.es/oranges available at the Institute of Industrial Automation and Informatics (ai2) will be used. Later, different regression neural network architectures will be designed and each one will be optimized over the hyperparameter space using Python and Pytorch. Finally, the different proposed architectures will be evaluated, using both the accuracies rates and the temporary costs as optimization criteria.