Para el desarrollo de este ejercicio usamos Colab y partimos desde el código realizado en el video de de la presente unidad 01 Procesamiento de imágenes y CNN, se le pregunto a Luri como funcionaba el codigo de dicha unidad y usando la funcion autocompletar de COLAB dejamos que el codigo se completara y nos dio el siguiente resultado. se cargo una imagen de formas precolombianas lo que el modelo interpreto como packet
from tensorflow.keras.applications import MobileNetV2
from tensorflow.keras.applications.mobilenet_v2 import preprocess_input, decode_predictions
import cv2
import numpy as np
import matplotlib.pyplot as plt
from google.colab import files
from PIL import Image
# Realizar subida (upload) de la Imagen
uploaded = files.upload() # carga la imagena procesar
image_path = list(uploaded.keys())[0]
# Cargar la imagen en escala de grises
#imagen = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
imagen = cv2.imread(image_path)
imagen_rgb = cv2.cvtColor(imagen, cv2.COLOR_BGR2RGB)
# Cargar el modelo MobileNetV2 pre-entrenado
modelo = MobileNetV2(weights="imagenet")
# Preprocesar la imagen para el formato esperado por el modelo
imagen_redimensionada = cv2.resize(imagen_rgb, (224, 224))
imagen_array = np.expand_dims(imagen_redimensionada, axis=0)
imagen_array = preprocess_input(imagen_array)
# Hacer la predicción
previsiones = modelo.predict(imagen_array)
label = decode_predictions(previsiones)
# Muestra la clase identificada
print("Objeto identificado:", label[0][0][1])
