Uso del modelo de caja negra Auto ML Custom Vision de Microsoft, en la clasificación de imágenes y su arquitectura interna

Este artículo, es el resultado de analizar, configurar, parametrizar, testear y comparar el servicio Auto ML (Machine Learning) de Azure Custom Vision de Microsoft, para lo cual se ha usado una base de datos que contiene un dataset de 400 fotos de hoja de yuca, quienes describen cuatro enfermedades, a saber: cbb (cassava bacterial blight), cbsd(cassava Brown Streak Disease), cgm(cassava Green spider mite), cmd(cassava mosaic disease) y healthy. Una vez analizado el servicio, este articulo aborda la clasificación de enfermedades de cassava a partir de la hoja de la planta, para lo cual se entrena el modelo y se realizan las pruebas respectivas. Finalmente, se evidencia, verifica y analiza el modelo propuesto por Microsoft, se describen sus componentes, el algoritmo y la arquitectura.

Grantor dc:publisher

Pontificia Universidad Javeriana

Author dc:creator

• Edwin Armando, Guerrero Burbano

Advisors dc:contributor.advisor

• Flórez Valencia, Leonardo
• Leonardo, Flórez Valencia

• Aprendizaje automático
• Aprendizaje de máquina automático
• Algoritmo
• Vision personalizada
• Reconocimiento de imagenes
• Cassava

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-nd/4.0/

Language dc:language.iso

spa

DOI

https://doi.org/10.11144/Javeriana.10554.61212

OAI record oai:identifier

https://repository.javeriana.edu.co/oai/request?verb=GetRecord&metadataPrefix=dim&identifier=oai%3Arepository.javeriana.edu.co%3A10554%2F61212