Desarrollo de un modelo de redes neuronales convolucionales (CNN) para la clasificación de los géneros animales tremarctos, pumas, tapirus y lycalopex en imágenes y vídeos

Abstract

Las Redes Neuronales Convolucionales son modelos de visión artificial utilizados como herramientas para la clasificación de animales, no obstante presentan dificultades a la hora de identificar de manera precisa géneros de animales específicos ya que estos poseen una gran variabilidad en sus características y la calidad de la imagen y video también afecta a esto, es importante identificar con precisión los géneros de animales en imágenes y videos para poder monitorear la fauna silvestre y conservarla. En este contexto el objetivo de Trabajo de Integración Curricular (TIC) es adaptar un modelo de visión artificial basado en CNN que permita clasificar los géneros animales tremarctos, pumas, tapirus y lycalopex en imágenes y vídeos. La metodología CRISP-ML(Q) guió la adaptación del modelo adaptando las fases de ingeniería de datos, ingeniería de modelos y evaluación de modelos para lograr obtener un dataset personalizado, el aumento de imágenes para el entrenamiento mediante técnicas de rotación y escala de grises, y el fine-tuning de los modelos pre entrenados VGG19, EfficientNetB2, ResNet50, ConvNeXtLarge, ConvNeXtSmall junto a sus variantes. La matriz de confusión y las métricas de rendimiento Sensitivity, Specificity, Precision, Accuracy y F1 Score ayudaron a realizar la evaluación del modelo. El modelo convnext_large.fb_in22k_ft_in1k entrenado con 4 clases alcanzó una precisión del 92.5% en la clasificación de los géneros de animales en imágenes y un 93.3% en la clasificación en videos. Incluir una clase "Desconocido" mostró una mejora del modelo para clasificar imágenes y vídeos donde no estaba ninguno de los 4 géneros que se tiene como objetivo, pero al mismo tiempo tuvo problemas para identificar las demás clases.

Palabras claves: Clasificación de animales, CRISP-ML, ConvNeXt, Redes Neuronales Convolucionales.