Abstraction levels way

Se ha relizado la preparación del entorno basándose en las etiquetas potenciales, las cuales son usadas para el primer paso de clasificación en el modo de niveles de abstracción

CLASES
Se han detectado 10 clases distintas de propósito general: animals, indoor, night, people, plant_life, sky, structures, sunset, transport, water. Las cuales comprenden unas 59600 imágenes dentro del set de 25k. Lo cual quiere decir que algunas imágenes pertenecen a mas una clase. Esto llevará al problema comentado en la entrada anterior.

ESCENARIO

El mismo utilizado en la entrada anterior. Para las pruebas que se han realizado se han utilizado las primeras 2k imágenes del set de 25k. Disponemos de toda la información de este subgrupo gracias a Alvaro. Dentro de este subconjunto se han considerado las primeras 1900 para entrenamiento y las 100 restantes para test (clasificación).

RESULTADOS

Al escenario anteriormente citado se le han aplicado todos los algoritmos de borrado y selección de parámetros desarrollados para el estudio de parámetros. Se han obtenido resultados que van desde 15.18% (por encima del aleatorio 10%) a 20.60%.