usando mobilenetv2


```import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.applications.mobilenet_v2 import (
    MobileNetV2,
    preprocess_input,
    decode_predictions
)
from tensorflow.keras.preprocessing import image

# Cargar el modelo preentrenado
modelo = MobileNetV2(weights='imagenet')

# Ruta de la imagen
ruta_imagen = "imagen.jpg"   # Cambia por el nombre de tu imagen

# Cargar la imagen y redimensionarla a 224x224
img = image.load_img(ruta_imagen, target_size=(224, 224))

# Convertir la imagen a un arreglo
img_array = image.img_to_array(img)

# Agregar una dimensión para el lote
img_array = np.expand_dims(img_array, axis=0)

# Preprocesar la imagen
img_array = preprocess_input(img_array)

# Realizar la predicción
predicciones = modelo.predict(img_array)

# Decodificar las predicciones
resultado = decode_predictions(predicciones, top=1)[0][0]

# Mostrar la imagen
plt.imshow(image.load_img(ruta_imagen))
plt.axis("off")
plt.title(f"{resultado[1]} ({resultado[2]*100:.2f}%)")
plt.show()

# Mostrar el resultado en consola
print("Clase identificada:", resultado[1])
print("Confianza: {:.2f}%".format(resultado[2] * 100))

Hola, Gabriel. ¿Cómo vas?

Gracias por compartir tus reflexiones y aprendizajes con la comunidad Alura.

Me gustó que hayas puesto en práctica MobileNetV2 para realizar la clasificación de imágenes. Tu flujo está bien organizado: cargas el modelo preentrenado, preparas la imagen, realizas la predicción y muestras el resultado de forma clara. Es una buena manera de comprender cómo funciona un modelo de Machine Learning aplicado al procesamiento de imágenes.

Como consejo, prueba el mismo código con varias imágenes de diferentes objetos y compara el porcentaje de confianza obtenido en cada predicción. Así podrás identificar en qué casos el modelo reconoce los objetos con mayor precisión y comprender mejor sus fortalezas y limitaciones.

Cuenta con el apoyo del foro en tu aprendizaje. Saludos y buenos estudios.

Trilhas por carreira

Carreiras de IA

Carreiras de Dados

Carreiras de Cyber

Carreiras de DevOps & Cloud

Carreiras de UX & UI

Carreiras de Mobile & Front-End

Carreiras de Back-End

Carreiras de Negócios

Cursos universitários FIAP

Tópicos relacionados

Contenidos de Alura sobre el tema