Clasificador de Landmarks — Transfer Learning

Proyecto 1 · Modulo 6 Deep Learning · UCB — Msc. Ciencia de Datos e IA Aplicada

Clasificacion de 50 landmarks mundiales usando Transfer Learning con PyTorch. Se comparan tres enfoques: CNN desde cero, ResNet50 y EfficientNet-B0.

---

Resultados

Modelo	Test Accuracy	Parametros	Objetivo
CNN desde Cero	42.72%	~28M	40% ✅
ResNet50	83.60%	25M	70% ✅
EfficientNet-B0	82.48%	5.3M	70% ✅

---

Estructura del Proyecto

landmark_images/
├── transfer_learning.ipynb      # Notebook principal (Transfer Learning)
├── cnn_from_scratch.ipynb       # Notebook CNN desde cero
├── run_inference.py             # Script de inferencia standalone
├── execute_cells.py             # Script para ejecutar celdas sin reentrenar
├── Proyecto_Final_*.pdf         # Especificacion del proyecto
├── models/
│   ├── resnet50_scripted.pt         # ResNet50 TorchScript (inferencia)
│   ├── resnet50_best.pt             # ResNet50 pesos entrenados
│   ├── efficientnet_b0_scripted.pt  # EfficientNet TorchScript (inferencia)
│   ├── efficientnet_b0_best.pt      # EfficientNet pesos entrenados
│   ├── cnn_scratch_scripted.pt      # CNN Scratch TorchScript
│   ├── cnn_scratch_best.pt          # CNN Scratch pesos entrenados
│   └── *.png                        # Graficas de entrenamiento y comparacion
├── train/                       # Dataset de entrenamiento (50 clases, ~100 imgs/clase)
├── test/                        # Dataset de evaluacion (50 clases, ~25 imgs/clase)
└── test_images/                 # Imagenes propias para probar el modelo

---

Requisitos

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu130
pip install numpy matplotlib seaborn tqdm livelossplot scikit-learn pillow
pip install jupyter nbclient nbformat

Probado con Python 3.12 · PyTorch 2.11 · CUDA 13.0 · RTX 5060 Ti

---

Uso Rapido — Inferencia con Imagenes Propias

Opcion 1: Script Python (sin abrir Jupyter)

cd landmark_images/
python run_inference.py

Coloca tus imagenes en test_images/ antes de ejecutar. Los resultados se guardan como PNG comparativos en test_images/resultados/.

Opcion 2: Funcion predict_landmarks en Python

import os, torch
import torchvision.transforms as T
from PIL import Image

# Cargar modelo
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model  = torch.jit.load("models/resnet50_scripted.pt", map_location=device)
model.eval()

# Preprocesamiento identico al entrenamiento
transform = T.Compose([
    T.Resize(256), T.CenterCrop(224), T.ToTensor(),
    T.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])

class_names = sorted(os.listdir("train"))

def predict(img_path, k=5):
    img    = Image.open(img_path).convert("RGB")
    tensor = transform(img).unsqueeze(0).to(device)
    with torch.no_grad():
        probs = torch.softmax(model(tensor), dim=1)
        top_k = torch.topk(probs, k)
    return [(class_names[i], round(p.item(), 4))
            for i, p in zip(top_k.indices[0], top_k.values[0])]

# Ejemplo
print(predict("test_images/marmuerto.jpg", k=3))
# => [('03.Dead_Sea', 0.9864), ...]

---

Correr el Notebook sin Reentrenar

Los modelos ya estan entrenados. Para probar inferencia desde Jupyter:

Paso 1 — Abrir Jupyter

cd landmark_images/
jupyter notebook transfer_learning.ipynb

Paso 2 — Ejecutar SOLO estas celdas (en orden)

Indice	Descripcion
idx=1	Importaciones (torch, PIL, numpy, etc.)
idx=2	Device (GPU/CPU), rutas, semillas
idx=4	Transformaciones (eval_transform)
idx=22	Carga modelos TorchScript + define predict_landmarks
idx=29	Pipeline standalone (carga ambos modelos, reconstruye clases)
idx=30	Demo: predice sobre imagenes en test_images/

No ejecutes los indices 9-17 (entrenamiento). Tardan 2-4 horas y requieren GPU.

Paso 3 — Agregar tus imagenes

Coloca archivos .jpg o .png en test_images/ y ejecuta la celda idx=30.

---

Reentrenar desde Cero (opcional)

jupyter notebook transfer_learning.ipynb
# Kernel > Restart & Run All
# Tiempo estimado: ~2-4 horas con GPU (RTX 3060 o superior)

Configuracion:

• Epocas: 20 (feature extraction) + 20 (fine-tuning) por modelo
• Optimizador: Adam con ReduceLROnPlateau (factor=0.1, patience=5)
• Batch size: 64
• Augmentation: RandAugment + ColorJitter + RandomHorizontalFlip

---

Arquitectura — Estrategia 2 Fases

Backbone preentrenado en ImageNet
        |
   [Congelar backbone]
        |
   Nueva cabeza lineal (50 clases)
        |
  Fase 1: Entrenar solo cabeza (20 epocas, lr=1e-3)
        |
  Fase 2: Fine-tuning completo  (20 epocas, lr=1e-5)
        |
  Mejor modelo guardado en models/*.pt  (criterio: val_loss)

• ResNet50: 25M parametros, residual connections, ImageNet1K_V1
• EfficientNet-B0: 5.3M parametros, compound scaling — mejor eficiencia por parametro

---

Dataset

Subconjunto del Google Landmarks Dataset v2:

• 50 clases de landmarks mundiales
• ~100 imagenes/clase para entrenamiento
• ~25 imagenes/clase para evaluacion
• Division train/validation: 80% / 20% (aleatoria con semilla 42)

Landmarks incluidos: Haleakala National Park, Ljubljana Castle, Dead Sea, Machu Picchu, Eiffel Tower, Great Wall of China, Trevi Fountain, y 43 mas.

---

Archivos de Modelo

Archivo	Tamano	Proposito
models/resnet50_scripted.pt	91 MB	Inferencia ResNet50 (recomendado)
models/efficientnet_b0_scripted.pt	17 MB	Inferencia EfficientNet-B0
models/cnn_scratch_scripted.pt	100 MB	Inferencia CNN desde cero
models/resnet50_best.pt	91 MB	Pesos para continuar entrenamiento
models/efficientnet_b0_best.pt	16 MB	Pesos para continuar entrenamiento
models/cnn_scratch_best.pt	100 MB	Pesos para continuar entrenamiento

Los archivos *_scripted.pt son modelos TorchScript listos para inferencia sin depender del codigo de entrenamiento.

---

Presentacion en Video

Puedes ver la presentacion y explicacion del proyecto en el siguiente enlace:

Ver presentacion en YouTube

---

Visualizacion del Repositorio

---

Simon Alex Rodriguez · UCB · 2025