Los cuadernos de Jupyter son un aplicación web de código abierto que permite crear y compartir documentos que contengan tanto código, como ecuaciones, como texto que permite explicar los pasos realizados.
Aquí nos podemos encontrar con un conjunto de Noteboks de Jupyter, que se corresponden con la implementación del Trabajo de Fin de Máster:
- Filtros.ipynb: en este notebook veremos cómo funciona el operador de convolución y cómo los filtros nos van a permitir, entre otras cosas, resaltar los bordes de la imagen para su detección.
- VentanaDeslizante.ipynb: en este notebook se definen las técnicas clásicas para la detección de objetos en imágenes como la ventana deslizante, la pirámide de imágenes y el non maximmun supression. Además contamos con un clasificador (previamente entrenado) que nos dirá la clase del objeto y utilizaremos las técnicas anteriores para realizar una predicción.
- CPUs-GPUs.ipynb: en este notebook vamos a realizar una comparación de los entrenamientos de varias redes en distintos entornos, en este caso se realizarán las pruebas con la CPU.
- CPUs-GPUsDrive-GPU.ipynb: en este notebook vamos a realizar una comparación de los entrenamientos de varias redes en distintos entornos, en este caso se realizarán las pruebas con la GPU cedida por Google Drive.
- YOLO1.ipynb: este notebook permite descargar la red neuronal YOLO, además de copiar dentro de la carpeta donde se encuentra YOLO un conjunto de notebooks con ejemplos de modelos realizados.
- YOLO2.ipynb: este notebook contiene las explicaciones para comenzar a usar YOLO y también contiene una serie de ejemplos donde se puede observar como funciona, tanto para el caso de imágenes como de vídeos.
- YOLO_PASCAL_VOC.ipynb: en este caso se ha desarrollado un notebook donde vamos a ver cómo se entrena la red YOLO desde cero utilizando un dataset llamado Pascal VOC.
- YOLO_CoCo.ipynb: en este notebook vamos a ver cómo se entrena la red YOLO desde cero utilizando un dataset llamado CoCo.
- YOLO_Estomas.ipynb: en este notebook vamos a ver cómo se entrena la red YOLO desde cero utilizando un dataset de estomas, el fin de este dataset consiste en dadas unas imágenes que detecte si hay estomas y donde.
- CLODSA_Estomas.ipynb: este notebook nos permite aumentar el dataset en caso de contar con un número reducido de imágenes.
- NotebookGeneral.ipynb: En este caso se va a realizar un notebook general que permita crear un modelo de detección, para que cualquier usuario pueda usarlo dado un conjunto de datos cualquiera.
- NotebookGeneralEstomas.ipynb: El notebook genérico aplicado para crear un modelo de detección de estomas.
We gratefully acknowledge the support of NVIDIA Corporation with the donation of the Titan Xp GPU used for this research.