Comparación de arquitecturas de redes convolucionales para la clasificación de imágenes de alimentos

Abstract

[ES] La visión artificial es uno de los campos de la inteligencia artificial que más ha crecido en los últimos años debido a los numerosos avances técnicos en el campo. Nos permite interpretar, entender y procesar imágenes o vídeos digitales de la misma manera que lo haría un ser humano, dándonos la posibilidad de agilizar o incluso automatizar una gran cantidad de procesos y tareas con el fin de aumentar la eficiencia de los procesos productivos y de mejorar la calidad de vida de las personas. Sin duda la alimentación es parte importante en lo que a calidad de vida se refiere, por ello en este trabajo conseguiremos procesar y clasificar imágenes de alimentos con el fin de obtener toda la información nutricional posible sobre dicho alimento usando simplemente la imagen. Para conseguir esto, exploraremos diferentes arquitecturas convolucionales existentes que hayan demostrado dar buenos resultados en tareas de visión artificial, los implementaremos, entrenaremos y probaremos con un dataset escogido para la tarea, y terminaremos por desarrollar una arquitectura propia que realice correctamente la tarea.

[EN] Computer vision is one of the fields of artificial intelligence that has grown the most in recent years due to the numerous technical advances in the field. It allows us to interpret, understand and process digital images or videos in the same way as a human being would, giving us the possibility to speed up or even automate a large number of processes and tasks in order to increase the efficiency of production processes and improve the quality of life of people. Food is undoubtedly an important part of the quality of life, so in this work we will process and classify food images in order to obtain all possible nutritional information about the food using just the image. To achieve this, we will explore different existing convolutional architectures that have proven to give good results in computer vision tasks, we will implement, train and test them with a dataset chosen for the task, and we will finish by developing our own architecture that performs the task correctly.

[CA] La visió artificial és un dels camps de la intel·ligència artificial que més ha crescut en els últims anys a causa dels nombrosos avanços tècnics en el camp. Ens permet interpretar, entendre i processar imatges o vídeos digitals de la mateixa manera que ho faria un ésser humà, donant-nos la possibilitat d’agilitzar o fins i tot automatitzar una gran quantitat de processos i tasques amb la finalitat d’augmentar l’eficiència dels processos productius i de millorar la qualitat de vida de les persones. Sens dubte l’alimentació és part important en el que a qualitat de vida es referix, per això en este treball aconseguirem processar i classificar imatges d’aliments amb la finalitat d’obtindre tota la informació nutricional possible sobre este aliment usant simplement la imágen. Per a aconseguir això, explorarem diferents arquitectures convolucionals existents que hagen demostrat donar bons resultats en tasques de visió artificial, els implementarem, entrenarem i provarem amb un dataset triat per a la tasca, i acabarem per desenvolupar una arquitectura pròpia que realitze correctament la tasca.