Parte 2 Clasificación de Imágenes (sin código) con Alteryx Intelligence Suite

[Garabujo7]

Para continuar con el proceso, el siguiente paso es:

Creación del modelo de clasificación

Aquí es donde configuramos las opciones para el modelo.

Colocamos las imágenes de entrenamiento y de validación.

 ¿Entrenamiento y Validación?

Un modelo predictivo, en este caso el de clasificación que vamos a utilizar, requiere de imágenes para comenzar a aprender, las de entrenamiento.

Después, para asegurarnos que el modelo no esté memorizando las imágenes que le presentamos y sea muy eficiente en clasificar solamente las que conoce; utilizamos otro conjunto de imágenes para validar que es capaz de hacer predicciones adecuadas en imágenes que nunca ha visto antes.

De esta manera aseguramos nuestro modelo que tenga mejor desempeño en el mundo real.

 

Opciones del modelo de clasificación

Es importante notar que la plataforma cuenta con 4 tipos de modelos, que describo más abajo,  pre-entrenados y que podemos aprovechar para hacer más sencillo y rápido nuestro proceso de clasificación.

En las opciones del modelo tenemos:

• Épocas: 
  • Es una iteración de los datos a través del modelo, tanto hacia adelante como hacia atrás
  • A mayor número de épocas, mejores resultados del modelo, aunque el tiempo de procesamiento aumenta
  • La opción recomendada son 10

• Modelo Pre-entrenado:
  • La plataforma contiene 4 modelos listos para usarse. Tienen un balance entre mayor precisión y tiempo de procesamiento. Entre más precisos, llevan más tiempo para ejecutarse
    • VGG16. El más exacto, pero más lento
    • InceptionResNetV2. Es rápido para entrenar y algo más preciso que el anterior
    • Resnet50V2. Es el más rápido y un poco menos preciso
    • InceptionV3. Tiene el mejor balance entre precisión y rapidez
    • El modelo que recomienda la plataforma es InceptionV3

• Tamaño del lote de imágenes a procesar
  • El tamaño del lote permite disminuir la cantidad de datos que pasan por el modelo en un momento determinado, para entrenar los modelos sin ocupar tanta memoria
  • La opción recomendada son 32 

Adicionalmente, dentro de la plataforma podemos consultar los detalles de configuración rápidamente y en español. Al hace clic en el signo de interrogación, se abre la ayuda.

Exportar el modelo entrenado

Una vez que tenemos el modelo entrenado para clasificar las imágenes que necesito, se exporta en un formato de base de datos Alteryx, yxdb para poder eficientar el proceso y clasificar nuevas imágenes.

Clasificación de imágenes nuevas

Una vez que tenemos el modelo entrenado, lo podemos usar para clasificar nuevas imágenes que el modelo nunca haya visto.

Para eso utilizamos primero, las imágenes del Holdout, con el modelo entrenado. Para hacer la clasificación usamos el bloque de Predicción que se encuentra en la pestaña de aprendizaje automático.

El resultado del modelo será la etiqueta pronosticada. Para verificar que el modelo nos da resultados adecuados al objetivo, comparamos la etiqueta original de la imagen con la que el modelo pronosticó.

Para eso, primero utilizo una formula, que haga la comparación entre la etiqueta original y la que el modelo pronosticó para poder separar las correctas de las incorrectas con un filtro.

Después creo un reporte con las clasificaciones acertadas y las erróneas. Usando el bloque de imagen y la tabla básica.

Para validar la efectividad del modelo, creé una tabla de contingencia para que cuente el número de predicciones correctas e incorrectas.

Ahora que ya tenemos un modelo que nos da resultados aceptables, podemos usar imágenes nuevas para que sean clasificadas rápidamente o implementar el modelo en producción.

Poner el modelo en producción

Incluso podemos crear una aplicación analítica para que el modelo sea consumido a través de Alteryx Server por otros usuarios de negocio directamente en un navegador de internet sin necesidad de contar con una licencia de Alteryx Designer.

Con algunos elementos de interfaz, podemos crear una aplicación para que los usuarios utilicen la aplicación analítica a través del servidor sin necesidad de programar nada.

Sólo hay que configurar ambos elementos:

Primero el examinar archivo, que le permitirá al usuario utilizar sus propias imágenes para que el modelo las clasifique.

Aquí agregamos el texto que se mostrará en la aplicación.

El segundo es la acción, que dinámicamente actualizará los valores en el flujo.

Lo que tenemos que seleccionar en este caso es el campo que actualizará y, más abajo, de dónde tomará el valor para actualizarlo.

Si quieres aprender más acerca de cómo crear aplicaciones analíticas, puedes ir a la comunidad de Alteryx.

Aplicación Analítica en Alteryx Server

¿Cuál es la magia de crear una aplicación analítica?

Cuando la publicamos en el Servidor de Alteryx, los usuarios la pueden usar de forma ilimitada y sin requerir de una licencia de Designer.

La aplicación analítica se verá así en la Galería del Servidor.

Con esta aplicación, el usuario puede, a través de su explorador de internet, seleccionar sus propias imágenes y aprovechar el modelo de clasificación que alguien más en su organización creó.

El resultado se mostrará tanto en el explorador como en cualquier formato que haya sido configurado para la salida.

Conclusión

El proceso de entrenar el modelo predictivo para clasificar imágenes es muy sencillo, sólo hace falta arrastrar algunos bloques analíticos, seleccionar unas opciones, hacer un par de pruebas para elegir el modelo que mejor se adapta a lo que quiero resolver y listo.

Utilicé 1,200 imágenes de concreto con defectos y sin defectos. El entrenamiento llevó aproximadamente 5 minutos.

La precisión del modelo, es decir la cantidad de errores que cometió al momento de clasificar las imágenes fue del 100%. Esto dependerá mucho de la cantidad y variedad de imágenes que usemos para el entrenamiento.

Las aplicaciones de este tipo de modelos de clasificación de imágenes son enormes. Reconocer firmas en documentos, verificar si un carro tuvo un accidente o no, identificar si una pantalla de celular está rota, entre muchas otras hacen de esta funcionalidad un valor agregado enorme.

El flujo que utilice se encuentra adjunto al artículo para su referencia.

Identificación de defectos en concreto.yxzp

ImágenesDefectosConcreto.7z