Extracción de atributos visuales en prendas de vestir a través de neuronas ocultas de modelos convolucionales

Abstract

La visión computacional es un área de la computación en la que se construyen modelos para analizar e interpretar imágenes. Con la aparición de las redes neuronales profundas optimizadas para GPU, hace alrededor de una década, este campo ha experimentado un desarrollo vertiginoso y ha logrado resolver problemas que antes se pensaban imposibles de abordar. Sin embargo, de la mano con su gran poder predictivo, las redes neuronales profundas tienen la característica de ser poco interpretables. Una vez que se entrenan, las representaciones internas que generan a partir de las decenas de millones de parámetros que contienen se vuelven demasiado abstractas para ser comprendidas por los seres humanos. Por otro lado, entrenar modelos profundos es un proceso muy costoso tanto en datos como en capacidad computacional, por lo que es natural preguntarse si es posible reutilizar el conocimiento almacenado dentro de un modelo para aplicarlo sobre otros dominios. Así han nacido ramas como la Transferencia de aprendizaje, en la cual se utilizan los bloques convolucionales de un modelo entrenado para alimentar algún tipo de clasificador, el cual puede aprender a reconocer nuevas clases a partir de las características extraídas por los bloques anteriores. Sin embargo, las técnicas de este tipo requieren igualmente un proceso de entrenamiento (aunque de menor escala) y pueden fallar en utilizar la expresividad de las capas intermedias del modelo. En este trabajo se propone un método para extraer características de imágenes de prendas de vestir a partir de las neuronas ocultas de un modelo previamente entrenado para resolver un problema de clasificación en otro contexto. Además, se muestra que el método puede ser utilizado para clasificar eficazmente las prendas según su color y textura, teniendo la ventaja de poder incorporar nuevas clases sin requerir ningún proceso de entrenamiento adicional.