Estudio comparativo de estrategias de transfer learning con CNNs en clasificación de imágenes de comida de 101 clases. Abarcó entrenamiento con backbone congelado y fine-tuning progresivo capa a capa con GoogLeNet, MobileNetV3 y ResNet50.
Estudio sistemático de transfer learning sobre el dataset Food-101 (101.000 imágenes de comida en 101 categorías), completado como parte de la materia de Deep Learning en UTS. El proyecto evalúa tres arquitecturas CNN preentrenadas en condiciones idénticas: GoogLeNet (InceptionV1, aprox. 7M parámetros), ResNet50 (aprox. 25M parámetros) y MobileNetV3-Large (aprox. 4,5M parámetros). La Parte A compara las tres con backbones congelados y una cabeza de clasificación de tres capas personalizada, encontrando que MobileNetV3 logra la mayor precisión Top-1 (60,27%) y Top-5 (83,88%), superando el benchmark original de Food-101 de 2014 (50,76%). La Parte B aplica fine-tuning progresivo sobre MobileNetV3: el Experimento 1 descongela el bloque de proyección final (features[-1]), elevando el Top-1 a 65,94%; el Experimento 2 descongela los últimos cuatro bloques de Residual Invertida (features[-4:]), logrando 72,44% de Top-1 y 91,33% de Top-5. Se aplicaron tasas de aprendizaje diferenciales (1e-5 para el backbone, 1e-4 para la cabeza) y regularización con dropout. El entrenamiento corrió en una GPU NVIDIA A100 vía Google Colab. El reporte incluye análisis de matriz de confusión de los pares de clasificación errónea más frecuentes y una revisión ética del sesgo del dataset en sistemas de reconocimiento de alimentos.
