Sistema automático de predicción estética basado en Computación Evolutiva y Deep Learning

Resumen

Actualmente, con el auge de las redes sociales, acostumbramos a tomar decisiones en función del valor estético de las imágenes. En el comercio electrónico, por ejemplo, tomamos decisiones de compra en función de las imágenes del producto. En este contexto, un sistema automático que permita seleccionar y ordenar las imágenes en función de su valor estético puede ser de gran valor. Esta tesis aborda diferentes problemas del campo de la estética computacional y propone nuevas soluciones que son validadas finalmente en un caso práctico real. En primer lugar, se estudian los datasets utilizados en estética computacional y se propone una nueva metodología para la creación de conjuntos de imágenes generalizables que se pueda aplicar en problemas de Machine Learning. A continuación, se expone un nuevo enfoque que utiliza transfer learning con un nuevo algoritmo genético híbrido para la predicción del valor estético en imágenes digitales. Finalmente, se aplica a un caso práctico real tanto la metodología de creación de datasets propuesta, como el modelo híbrido que ofreció mejores resultados en la fase experimental. Los resultados sugieren que utilizar estas herramientas en la vida cotidiana pueden mejorar tanto la experiencia de los usuarios como la productividad de los comercios electrónicos.