Estudio sobre la cantidad mínima de muestras de entrenamiento para la clasificación de modelos vehiculares

• Autor: Castañeda Haro, Carlos Enrique
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad de Lima
• Repositorio: ULIMA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ulima.edu.pe:20.500.12724/18078
• Enlace del recurso: https://hdl.handle.net/20.500.12724/18078
• Nivel de acceso: acceso abierto
• Materia: Automóviles; Marcas comerciales; Visión por computadora; Vehicles; Trademarks; Computer vision; https://purl.org/pe-repo/ocde/ford#2.02.04

La clasificación de objetos es uno de los campos de estudios más importantes de los últimos años y está asociado a la similitud de características entre los objetos y al continuo crecimiento de los conjuntos de datos de entrenamiento. En base a ello, aumentar el número de muestras de entrenamiento mejora el rendimiento de los clasificadores. Sin embargo, no hay estudios que determinen un estimado de cuántas muestras de entrenamiento son necesarias para generar clasificadores robustos. En esta investigación se intenta responder esta pregunta, enfocando el problema en la clasificación por marca y modelo vehicular. Para ello, se creó un conjunto de datos compuesto por 32 modelos vehiculares diferentes y se utilizó la red VGG16 para la tarea de extracción de características. Asimismo, se utilizaron los algoritmos de clasificación Máquinas de Vector Soporte (SVM), Bosques Aleatorios (RF), Árboles de Decisión (DT) y Naive Bayes (NB). Se realizaron conjunto de entrenamientos en los que se variaron el número de muestras de entrenamiento y el número de categorías a clasificar por cada algoritmo. En estos experimentos, el algoritmo SVM fue el de mayor precisión con un 96.82% para el caso de 32 modelos vehiculares diferentes. Finalmente, se determinó que a medida que se aumenta el número de modelos vehiculares a clasificar, es necesario aumentar las muestras de entrenamiento para estabilizar la precisión, y que el número mínimo de muestras para este comportamiento es de 400 muestras para el escenario de 2 categorías y de 700 muestras para el resto de los escenarios con más categorías.