Desarrollo de un motor de reconocimiento de imágenes inteligente para fotos de pruebas de despacho en última milla

Abstract

El Deep Learning, corresponde a un conjunto de algoritmos muy utilizados en la actualidad, que han sufrido una mejora constante a través del tiempo, sobre todo, para resolver problemas ligados al procesamiento de lenguaje natural, como la predicción de texto; y también ligados al procesamiento de imágenes, como clasificación, detección y segmentación. El desarrollo de esta memoria, esta enfocado al área de procesamiento de imágenes, específicamente, en el entrenamiento e implementación de modelos de clasificación multi-etiqueta, los cuales permiten identificar varias clases en una imagen, además, de modelos de detección de objetos, los cuales permiten identificar la ubicación y la clase del objeto. En este trabajo, se propone un motor de reconocimiento de imágenes inteligente, el cual, permite evaluar la calidad de los despachos de última milla de la empresa Falabella, a través de la revisión de ciertos elementos en la fotografía, la cual se toma al momento de entregar un producto. Para lograr lo anterior, se realizó un benchmark entre herramientas basadas en Google Cloud Platform (GCP), y modelos entrenados en base a transfer learning utilizando lenguaje Python y la librería PyTorch. Cabe destacar, que el motor de reconocimiento de imágenes se realizó de manera exitosa, dando mejores resultados, los modelos desarrollados in house en contraste con las herramientas de GCP. Lo anterior, principalmente debido al mayor control que se tuvo en el entrenamiento de los modelos in house. La estructura del presente informe, comienza con la identificación y formulación del problema. Posteriormente, se hace mención al objetivo general y a los objetivos específicos. Luego, se explican las tareas de clasificación multi-etiqueta, detección de objetos, Deep Learning, algunas técnicas para evitar el sobre-ajuste durante el entrenamiento, las métricas utilizadas para evaluar los modelos y, finalmente, las redes implementadas para resolver el problema. A continuación, se describe la metodología desarrollada, se muestran los resultados técnicos y económicos, incluyendo el análisis de cada uno de ellos y, por último, se realiza una conclusión de todo el trabajo realizado.