Nicolas Bortolotti

La pregunta es muy simple, y el objetivo de este artículo es simplemente introducir la utilización de TensorFlow Probability(TFP) . Solo algunas palabras sobre TFP, es una biblioteca Python propuesta en TensorFlow para facilitar la combinación de modelos probabilísticos y el aprendizaje profundo en hardware moderno (TPU, GPU). Seguramente si pasas mucho tiempo analizando datos, conviviendo con procesos estadísticos, o investigando diseño y modelos de ML será de gran utilidad en tus tareas diarias. Pueden tener más detalles aquí. Para esta experiencia seleccioné un problema teoŕico muy simple, que propone una distribución binomial. Si necesita recordar detalles de la distribución binomial aquí pueden rápidamente ver sus detalles. Los registros hospitalarios muestran que de los pacientes que padecen cierta enfermedad, el 75% muere. ¿Cuál es la probabilidad de que de 6 pacientes seleccionados al azar, 4 se recuperen? Nota: Esto parece preliminarmente una distribución binomial...

Seguramente en reuniones formales, encuentros de etiqueta, e incluso en el mundo de los negocios alguna vez eligieron o criticaron el color de una corbata. Esto también es posible para el mundo de la visión por computador. El desafío de hoy será analizar una imagen, extraer sus objetos, identificar clases las corbatas y luego analizar su color dominante. Es un lindo desafío si pensamos a futuro combinar de una manera apropiada nuestra vestimenta. Vamos a utilizar Tensor Flow y el modelo de Object Detection. Seguiremos este esquema arquitectónico: Vamos a seleccionar algunas imágenes y aplicar nuestra propuesta. Imágenes seleccionadas El objetivo fue seleccionar diferentes escenarios con diferentes colores para nuestro conjunto de prueba. Soluciones Soluciones en RGBs: [171,14,12] [249,55,53] [ 33,144,216] [48,88,76] Procedimiento utilizado Procesaremos las imágenes con el modelo de detección de objetos de Tensor Flow, luego, utilizando las cajas de det...

Si uno de tus objetivos es realizar algunas pruebas de investigación sobre ciencia de datos, aprendizaje automático o un escenario similar, pero a la vez la idea que tienes es utilizar el menor tiempo posible para configurar el entorno, una muy buena propuesta desde el equipo de Google Research es Colaboratory . Para esta oportunidad les preparé la utilización de la API de TensorFlow Object Detection en solo 5 clicks. Qué opinan si  analizamos los objetos de una imagen con el objetivo de usar  una implementación de menos de 60 segundos? ejecución del ejemplo en colaboratory Seguramente se preguntan, cómo pueden usar esta implementación? La respuesta es muy simple,   accediendo  aquí  y utilizando la secuencia de pasos propuestos. Pueden ver los detalles de cada paso a continuación. Paso 1 Para este paso incluí la descarga del modelo al entorno virtual que propone Colaboratory . El resto de librerías como la de TensorFlow ya está disponibles...

En este artículo vamos a explorar un caso, donde combinemos la detección de objetos en imágenes utilizando Tensor Flow (Object Detection API), y la interacción mediante una arquitectura de bots (Telegram platform). El desafío es crear un bot que pueda interactuar con imágenes en una conversación, para informar al usuario las frutas que contiene su desayuno. Utilizando esta información se pueden entregar muchas variaciones de análisis en el futuro, por el momento solo una prueba de concepto.   Vamos a proponer una integración de TensorPhotoXRay (nuestra solución para detección de etiquetas en imágenes, artículo previo ) para detectar frutas en las imágenes y vamos a crear una integración con un Telegram Bot (proyecto appengine-telegram-bot ). Esta es la solución terminada y funcionando: Vamos a describir los elementos básicos para utilizar esta arquitectura. Creación del bot en telegram: Usted puede conocer más sobre esta opción en este link oficial . *Element...

En artículos anteriores analizamos objetos en imágenes utilizando Tensor Flow Object Detection API  aplicando diferentes tipos de modelos ( TensorFlow Object Detection en videos, basta de pizza, donuts y cakes... , TensorFlow Object Detection API, cena con amigos ). En estos ejemplos, la solución siempre estuvo diseñada para una aplicación de consola (es decir un Python script ejecutado localmente). Ahora nuestro desafío es llevarlo a un entorno web, detectar objetos dentro de la foto (como una radiografía) y finalmente deberíamos proponer una arquitectura simple de implementación. Vista General Podríamos pensar varias opciones de arquitectura en donde se utilice un esquema servidor (ejemplo desde la documentación oficial TensorFlow Serving ). Incluso podríamos pensar en alternativas tradicionales( Apache , Nginx , etc) pero debemos pensar en montar el servidor Web y ajustar todos los elementos para realizar el análisis utilizando TensorFlow . Me gustó mucho la idea de utili...

En historias anteriores detectamos algunos objetos dentro de una imagen , luego hicimos una extensión para analizar un video , de forma muy rudimentaria, pero funcional y hoy tenemos otro desafío. ¿Podemos conocer algo del enfoque social utilizando las imágenes compartidas en alguna de las redes sociales disponibles?. ¿Podríamos realizar esta operación explorando el stream social? Vamos a asumir que no analizamos contexto real de la situación, solo vamos a concentrarnos en las imágenes de publicaciones compartidas, igualmente este esquema sirve para iniciar el análisis sobre el marco social. Vamos a utilizar un enlace a Facebook para nuestra solución. Diagrama general de operaciones: Operaciones a realizar: Enlace a un usuario social  Lectura y exploración de cada publicación.  Extracción de la imagen  Análisis de la imagen  Agrupación de las etiquetas detectadas. Veamos la implementación propuesta, análisis sobre mi propio perfil. Exploración de 40 ...

En un artículo anterior les compartí un desafío en donde analizamos una imagen de una situación social, una cena con amigos. Ahora vamos a trabajar en un desafío mayor, vamos a analizar videos. En este desafío solo buscaremos detectar un objeto prohibido dentro del video (pizzas, donuts, cakes). Vamos a utilizar una simple metodología: Leemos el video y los separamos por frames (luego los tratamos como imágenes) Analizamos cada imagen con nuestra rutina de detección de objetos basada en Tensor Flow[version 1.2.1] Object Detection API . Podríamos volver a ensamblar el video para visualizar los resultados. [tenemos que saber que es un procedimiento que consume muchos recursos] Como no deseamos ver los resultados de manera visual,  les voy a proponer algo. Ya que solo necesitamos identificar un objeto con una probabilidad alta, vamos a colocar reglas para generar una alerta al detectar estas etiquetas dentro del video. El procedimiento de detección y alerta sería el siguiente...

Día a día se registran avances en gran cantidad de sectores aplicando inteligencia artificial, y desde luego no es la excepción el sector de aprendizaje en visión automatizada. Hace unos días, el equipo de Google Research publicó un artículo con la propuesta de #Tensorflow API para detección de objetos. Por este motivo, me gustaría dejar un desafío. Podríamos detectar de forma automática los elementos en una cena con amigos? Para este objetivo lo ideal sería utilizar un modelo pre entrenado, tenemos algunas opciones listas para utilizar : ssd_mobilenet_v1_coco_11_06_2017 ssd_inception_v2_coco_11_06_2017 rfcn_resnet101_coco_11_06_2017 faster_rcnn_resnet101_coco_11_06_2017 faster_rcnn_inception_resnet_v2_atrous_coco_11_06_2017 Todos los modelos utilizan COCO, (common objects in context) puedes ver los detalles aquí . Veamos nuestra imagen original, que hipotéticamente se acaba de capturar por uno de los participantes de la cena: Image reference COCO database Y veamo...

Tiempo atrás les compartí una pequeña implementación en donde se mostraba un ejemplo de regresión lineal univariable, utilizando el mecanismo puro de #tensorflow. En esta oportunidad la implementación se comparaba con la predicción tradicional que realizan soluciones como Google Spreadsheet. Como muchas veces, utilizar aprendizaje automático, incluso para modelo relativamente simples es un desafío,  tratando mitigar esto, hoy les quiero compartir esta misma actividad implementada de manera similar, pero utilizando #tensorflow y una librería de alto nivel #tflearn  [creada por sobre #tensorflow]. Veamos si se percibe con menos complejidad. Versión de #tensorflow utilizada: 1.2.1 Recordemos que el objetivo es predecir la altura de los niños basada en su edad. Veamos la implementación completa, ustedes mismos pueden comparar la secuencia de pasos anteriormente implementada y esta nueva versión utilizando #tflearn. De esta simple implementación podrían prestar atenció...