Implementación de redes neuronales convolucionales para la clasificación automática de plancton

Abstract

El Centro de Ciencia Marina Hatfield en la Universidad Estatal de Oregon, recolectó y clasificó manualmente miles de imágenes de las 121 clases de plancton. Estos datos fueron puestos a disposición de los usuarios gracias a una competencia en línea presentada por Kaggle en su sitio web. Dicha competencia busca un método de clasificación automático que ayude a la predicción de la salud del océano en cualquier momento, al clasificar las imágenes de plancton y permitiendo así que los científicos analicen las imágenes para evaluar la distribución y población de las especies. Usarán esta clasificación para estudiar también las cadenas de comida marina, la pesca y la conservación oceánica. Los métodos de clasificación han avanzado grandemente en la última década gracias al estudio de las redes neuronales y sus formas más complejas como las redes neuronales convolucionales, que tienen un desempeño altamente superior comparado con el de los métodos tradicionales del aprendizaje de máquina. Los datos proporcionados fueron pre procesados y entrenados en varias redes neuronales convolucionales que fueron creadas y modificadas dados los resultados obtenidos, hasta que fue alcanzado un buen porcentaje de clasificación. Estas redes también fueron entrenadas con los datos originales y con unas modificaciones al pre procesado para comparar los resultados. La mejor red tuvo un desempeño de 81.2032% y su diseño puede ser enviado a los científicos correspondientes para que clasifiquen nuevas imágenes capturadas en cualquier momento.