Una forma común de entrenar una red neuronal para identificar objetos específicos en imágenes es alimentar en grandes conjuntos de datos que contienen diferentes imágenes y combinaciones de imágenes. A través de la construcción de capas de convolución (además de mucho tiempo de entrenamiento), eventualmente su red neuronal convolucional: Wikipedia podría aprender a reconocer el equipaje y otros objetos dentro de una imagen determinada.
Sin embargo, si está entrenando en objetos comunes, generalmente se recomienda usar un clasificador previamente entrenado que ya sea experto en identificar objetos específicos dentro de las imágenes.
Aquí hay un enlace a un buen caso de uso de ejemplo usando ImageNet con la documentación de Keras
- ¿Por qué las construcciones artificiales que son estados-nación son buenas o malas para la sociedad, nuestro futuro y los humanos en general?
- Un gobierno global dirigido por una IA diseñada para alcanzar la prosperidad en todos los países del planeta eliminaría las armas mundiales de una vez, ¿correcto?
- ¿Una distribución de red neuronal en el espacio físico tiene alguna ventaja de procesamiento?
- ¿Hay alguna manera de decidir si una simulación perfecta de todos los aspectos de su estado mental es realmente consciente?
- Si el hombre alcanza la tecnología / inteligencia / IA / singularidad, la IA futura reiniciará un Big Bang, ¿es posible que seamos nuestros propios creadores?
Clasificación de ImageNet con Python y Keras – PyImageSearch
Cada imagen que alimente debe poder detectar tanto el equipaje como las personas con un grado de precisión decente. La identificación del equipaje abandonado se logra simplemente ubicando todas las imágenes, incluido el equipaje y excluyendo a las personas.
