Clasificador de residuos
Etiqueta, entrena y comprueba: tus ejemplos influyen en lo que aprende el clasificador.
Trabajarás con imágenes sintéticas generadas en el navegador. MobileNet es un modelo de red neuronal preentrenado que extrae características de las imágenes. El clasificador compara los ejemplos mediante vecinos próximos. En este ejercicio no se reentrena la red neuronal.
Si MobileNet no se puede descargar, se utiliza un modo básico de características de color y píxeles. Los porcentajes representan votos ponderados entre vecinos, no probabilidades calibradas.
¿Cómo aprende un clasificador a partir de imágenes etiquetadas?
Las imágenes se convierten en vectores de características y se guardan con las etiquetas del alumno. Para clasificar una imagen nueva se comparan sus características con los ejemplos y se combinan los votos de los cinco vecinos más similares.
Cómo se utiliza en este recurso
Treinta imágenes sintéticas iniciales de tres clases. Se utiliza MobileNet preentrenado para extraer características o un modo básico de píxeles y color si no está disponible. La similitud se calcula con vectores normalizados y una votación ponderada entre vecinos.
Alcance y límites
No se reentrena MobileNet. Las imágenes son sintéticas y los porcentajes de voto no son probabilidades calibradas. Corregir una imagen de prueba la incorpora al entrenamiento; a partir de ahí ya no es un ejemplo independiente para evaluar. El laboratorio no sustituye las normas locales de separación de residuos.
Preguntas frecuentes
¿Funciona sin MobileNet?
Sí. Si las bibliotecas o el modelo no se pueden cargar, se activa un modo básico basado en píxeles y color, identificado en pantalla.
¿Qué ocurre si etiqueto mal?
El clasificador conserva esas etiquetas y puede reproducir los errores al votar sobre ejemplos nuevos.
¿Se entrena una red neuronal desde cero?
No. Se construye un clasificador por similitud sobre características extraídas con una red preentrenada o con el modo básico.