¿Cómo se relacionan entre sí el reconocimiento de imágenes, las redes neuronales profundas y el aprendizaje automático?

El aprendizaje automático es una técnica o un medio por el cual las máquinas aprenden sin ser programadas explícitamente. El mejor ejemplo es Gmail o cualquier correo para el caso. Todos detestamos los correos SPAM y cada vez que clasifica un correo como spam o no spam, su sistema de correo observa cuidadosamente y desde esta experiencia intenta aprender y modificar su comportamiento en consecuencia.

Deep Neural Network o Deep Learning para abreviar, por otro lado, es actualmente la moda más nueva de la ciudad, con cada empresa tecnológica importante que invierte gran parte de su tiempo y recursos en profundizar en Deep Learning e intentar desarrollar algoritmos más eficientes. Las redes neuronales se inspiraron en gran medida en el cerebro humano. Cómo cada neurona con sus millones de otras neuronas actúa al unísono y hace que nuestro cerebro sea tan complejo y poderoso. Se adaptó una analogía similar y se conjeturaron las redes neuronales artificiales que tenían neuronas como su unidad de computación básica y que estaban acopladas de una manera que ayudó en el aprendizaje automático.

Finalmente llegando al reconocimiento de imagen. Cuando un ser humano observa una imagen. El ve esto.

Pero cuando una computadora o una máquina ve esto, ve esto

Entonces, la idea es usar diferentes algoritmos de aprendizaje automático para entrenar eficientemente nuestras máquinas para hacer cosas triviales que en gran medida no son triviales para ellos.

Espero que esta infografía te ayude a comprender la interrelación entre Machine Learning y Deep Learning.

En resumen, el aprendizaje automático es un tipo de inteligencia artificial (IA) que proporciona a las computadoras la capacidad de aprender sin ser programado explícitamente.

Por otro lado, el aprendizaje profundo (también conocido como aprendizaje estructurado profundo o aprendizaje jerárquico ) es la aplicación a tareas de aprendizaje de redes neuronales artificiales ( ANN s) que contienen más de una capa oculta.

El reconocimiento de imágenes es una tarea que se puede hacer con Machine Learning o Deep Learning.

Un algoritmo de reconocimiento de imágenes (también conocido como clasificador de imágenes) toma una imagen (o un parche de una imagen) como entrada y emite lo que contiene la imagen. En otras palabras, la salida es una etiqueta de clase (por ejemplo, “gato”, “perro”, “tabla”, etc.). ¿Cómo sabe un algoritmo de reconocimiento de imagen el contenido de una imagen? Bueno, tienes que entrenar el algoritmo para aprender las diferencias entre las diferentes clases. Si desea encontrar gatos en imágenes, debe entrenar un algoritmo de reconocimiento de imágenes con miles de imágenes de gatos y miles de imágenes de fondos que no contengan gatos.

El aprendizaje profundo es un subconjunto de ML. El reconocimiento de imagen se puede hacer con ML o DL. El reciente avance en DL nos permite crear modelos más precisos con Deep Neural Networks que ML.