The purpose of this thesis is the implementation of an object classification system through deep learning and computer vision; The process of designing an architecture of a deep neural network, based on layers of convolutional neural networks, is presented by empirical evidence. Additionally, a data set was created with 4 class of images containing a total of 8423 elements. Using the Keras library for the creation of the neural network, Flickr for obtaining images, together with OpenCV library used for image management. Results of the training tests of a deep learning model and its application are shown, achieving an efficiency of 95% in the validation data. Finally, this work is evidence of a development in deep learning with a small data set that can be applied in more complex systems.
El propósito de esta tesis es la implementación de un sistema de clasificación de objetos por medio de aprendizaje profundo y visión computacional; se presenta mediante evidencia empírica el proceso de diseño de una arquitectura de una red neuronal profunda, basada en capas de redes neuronales convolucionales. Adicionalmente se creó un conjunto de datos con 4 clases de imágenes que contiene un total de 8423 elementos. Utilizando la biblioteca Keras para la creación de la red neuronal, Flickr para la obtención de imágenes, junto con OpenCV biblioteca utilizada para el manejo de imágenes. Se muestran resultados de las pruebas del entrenamiento de un modelo de aprendizaje profundo y su aplicación, logrando una eficiencia del 95% en los datos de validación. Finalmente, el presente trabajo es una evidencia de un desarrollo en aprendizaje profundo con un conjunto de datos pequeño que puede aplicarse en sistemas más complejos.
