Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritos

Abstract

Las técnicas de Aprendizaje Automático (AA) han avanzado significativamente en la solución de diversos problemas, lo que ha llevado a una amplia difusión en su uso y desarrollo. Actualmente existen distintos modelos que han alcanzado un alto nivel de desempeño, lo que plantea la duda de qué hacer cuando nos enfrentamos a un problema para el cual ya existe un modelo muy eficiente. Desde hace tiempo esta situación ha impulsado la investigación y el desarrollo de diferentes técnicas para reutilizar estos modelos, en lugar de emprender el diseño, implementación y entrenamiento de uno nuevo, con todo el esfuerzo que ello conlleva. En este trabajo se presenta un problema de clasificación y se propone la reutilización de una red neuronal convolucional con el objetivo de reconocer números manuscritos. Asimismo, se ha evaluado el desempeño del modelo reutilizado.

Machine Learning (ML) techniques have advanced significantly in the solution of various problems, which has led to a wide diffusion in its use and development. Currently there are different models that have reached a high level of performance, which raises the question of what to do when we take a problem for which there is already a very efficient model. This situation has long prompted research and development of different techniques to reuse these models, instead of undertaking the design, implementation, and training of a new one, with all the effort that this entails. In this paper, a classification problem is presented and the reuse of a convolutional neural network for the purpose of handwritten number recognition is proposed. The performance of the reused model has also been evaluated.