Modelo clasificador de prendas de vestir basado en redes neuronales

• Autores: Arroyo-Paz, Antonio, Aleman-Gonzales, Leonid, Ingaluque-Arapa, Marga, Tapia-Catacora, Pablo, Jimenez-Chura, Adolfo, Marca-Maquera, Hugo, Rodriguez-Aburto, Cesar
• Formato: objeto de conferencia
• Fecha de Publicación: 2024
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/14372
• Enlace del recurso: https://hdl.handle.net/20.500.12867/14372; https://doi.org/10.18687/LACCEI2024.1.1.1293
• Nivel de acceso: acceso abierto
• Materia: Red neuronal convolucional; Aprendizaje profundo; Reconocimiento de ropa; https://purl.org/pe-repo/ocde/ford#2.02.04

La clasificación de ropa es un proceso que revoluciona la organización de armarios y permite ofrecer una mejor experiencia de compra en los comercios electrónicos. Una de las alternativas tecnológicas para abordar este proceso son las redes neuronales convolucionales (CNN) debido a su óptima comprensión de características particulares mediante una representación visual, como una imagen. El presente artículo tiene como finalidad implementar un modelo CNN que procese información de imágenes de prendas de vestir mediante capas ocultas para identificar patrones distintivos que permitan su categorización eficaz. Se utilizó una metodología basada en la construcción de un modelo clasificatorio mediante el lenguaje de programación python, las librerías “TensorFlow” y “TensorFlow Datasets”, la máquina virtual de google colaboraty y las imágenes tomadas del repositorio público “Fashion-MNIST”, perteneciente a la tienda online de ropa “Zalando”. Como resultado se obtuvo una CNN funcional con una precisión de 88.57%. Finalmente, se considera a este trabajo como un artículo de referencia para futuros trabajos que se enfoquen en las utilidades prácticas de una CNN en distintos campos.