https://github.com/vikktor93/convnet

This repository compares the performance of a Multilayer Perceptron (MLP) and a Convolutional Neural Network (CNN) in the task of binary classification of images of muffins and chihuahuas.
https://github.com/vikktor93/convnet

cnn-classification cnn-keras cnn-model data-science machine-learning machine-learning-algorithms mlp-classifier

Last synced: over 1 year ago
JSON representation

This repository compares the performance of a Multilayer Perceptron (MLP) and a Convolutional Neural Network (CNN) in the task of binary classification of images of muffins and chihuahuas.

• Host: GitHub
• URL: https://github.com/vikktor93/convnet
• Owner: Vikktor93
• Created: 2024-11-29T18:53:56.000Z (over 1 year ago)
• Default Branch: main
• Last Pushed: 2024-12-03T02:37:56.000Z (over 1 year ago)
• Last Synced: 2025-01-29T09:36:55.050Z (over 1 year ago)
• Topics: cnn-classification, cnn-keras, cnn-model, data-science, machine-learning, machine-learning-algorithms, mlp-classifier
• Language: Jupyter Notebook
• Homepage:
• Size: 58 MB
• Stars: 0
• Watchers: 2
• Forks: 1
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          


   

   

   



## Tarea 2 - Redes Convolucionales

Esta tarea compara el desempeño de un Perceptrón Multicapa (MLP) y una Red Neuronal Convolucional (CNN) en la tarea de clasificación binaria de imágenes de muffins y chihuahuas. El dataset utilizado para esta tarea se encuentra en [Kaggle](https://www.kaggle.com/datasets/samuelcortinhas/muffin-vs-chihuahua-image-classification). 

## Descripción

El objetivo principal es explorar y evaluar diferentes arquitecturas de redes neuronales en un problema de clasificación de imágenes. Para ello, se utilizan dos modelos principales:

- **Perceptrón Multicapa (MLP):** Modelo completamente conectado que trata las imágenes como un vector plano.

- **Red Neuronal Convolucional (CNN):** Modelo que aprovecha la estructura espacial de las imágenes para extraer características.

Se incluye un conjunto de datos con imágenes de muffins y chihuahuas, el cual es procesado y aumentado para mejorar el rendimiento de los modelos.

## Tecnologías Utilizadas

- Python 3.10.8

- TensorFlow/Keras: Para el diseño y entrenamiento de las redes neuronales.

- NumPy y Pandas: Manipulación y análisis de datos.

- Matplotlib: Visualización de métricas y datos.

- ImageDataGenerator: Para aumento de datos y preprocesamiento

## Estructura del Proyecto

La estructura del proyecto es la siguiente:

```

.

├── data/                     # Contiene las imágenes organizadas en carpetas (muffins/chihuahuas)

│   ├── train/                # Datos de entrenamiento

│   └── test/                 # Datos de prueba

├── 001-ConvNet.ipynb         # Cuaderno Jupyter utilizado para el análisis, entrenamiento y para los modelos

├── README.md                 # Descripción del proyecto

└── .gitattributes            # Configuración de Git para el manejo de archivos y texto

```