Integración de diferentes técnicas para visualizar la influencia de regiones de una imagen en su clasificación por una red neuronal

Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata. Facultad de Informática, 2024.

Capítulo 1: Introducción -- 1.1 Motivación -- 1.2 Objetivos -- 1.2.1 Generales -- 1.2.2 Específicos -- 1.3 Resultados esperados -- 1.4 Estructura de la tesina -- Capítulo 2: Información preliminar -- 2.1 Machine Learning -- 2.1.1 Problemas de Clasificación y Regresión -- 2.1.2 Datos de Entrenamiento y de Prueba -- 2.1.3 Métricas -- 2.2 Redes Neuronales y Deep Learning -- 2.3 Entrenamiento -- 2.3.1 Inicialización de pesos -- 2.3.2 Regularización -- 2.3.3 Batch size -- 2.3.4 Ratio de aprendizaje -- 2.3.5 Métodos de optimización -- SGD -- Momentum -- RMSProp -- Adam -- 2.3.6 Batch Normalization -- 2.4 Imágenes -- 2.5 Redes Neuronales Convolucionales (CNNs) -- 2.5.1 Estructura de las redes convolucionales -- 2.5.1.1 Capa convolucional -- 2.5.1.2 Capa de agrupación -- 2.5.1.3 Capa totalmente conectada -- Capítulo 3: Visualización de Redes Neuronales Convolucionales -- 3.1 Mapeo de activación de clase (CAM) -- 3.2 Mapeo de activación de clases ponderado por gradiente (Grad-CAM) -- 3.3 Explicaciones Locales Interpretables Independientes del Modelo (LIME) -- 3.4 Explicaciones aditivas SHapley (SHAP) -- 3.5 Arquitecturas de CNNs consideradas -- LeNet-5 [23] -- VGG-16 [24] -- ResNets [26] -- Inception [27] -- 3.6 Transferencia de aprendizaje (Transfer Learning) -- Capítulo 4: Desarrollo. -- 4.1 Implementaciones de los métodos de visualización -- 4.1.1 Método CAM -- 4.1.2 Método Grad-CAM -- 4.1.3 Método LIME -- 4.1.4 Método SHAP -- 4.2 Comparativa entre los métodos vistos para diferentes arquitecturas -- 4.2.1 Visualización sobre los resultados de VGG16 -- 4.2.2 Visualización sobre los resultados de ResNet50 -- 4.3 Conclusiones e información general -- Capítulo 5: Herramienta propuesta -- 5.1 Herramientas y frameworks adicionales -- ● Framework para la aplicación web: Flask [40] -- ● Gestor de entornos - Miniconda [43] -- ● Librerías para uso de GPU - CUDA [45] y cuDNN[46] -- 5.2 Decisiones durante el desarrollo -- 5.3 Funcionamiento de la aplicación -- 5.3.1 Configuración del método SHAP -- 5.3.2 Configuración del método LIME -- 5.3.3 Configuración del método Grad-CAM -- 5.4 Procesamiento de la imagen -- Capítulo 6: Conclusiones y trabajos futuros -- Referencias