- Implementar función de evaluación logloss según se describe aquí, @AythaE: según he estado buscando esta funcion es conocida como categorical_crossentropy, cuya implementación está disponble en keras, pero requiere strings, por eso se define la sparse_categorical_crossentropy, que es la función utilizada.
- Lanzar modelo de learning from scratch un numero elevado de epocas para obtener el mejor resultado posible
- Empezar fine-tuning con los modelos de keras
- Realizar EDA
- Probar eliminando imagenes incorrectas según se comenta en este kernel y en este @Aythae: ya están eliminados en los nuevos conjuntos extra
- Probar más data augmentatión en Keras usando ImagePreprocessing @AythaE
- Comparar arquitectura red buena preentrenada con inicialización aleatoria
- Probar learning from scratch con mas data augmentation e imagenes mejor redimensionadas
- Lanzar modelo con una red pre-entrenada (inception v3)
- Lanzar modelo con fine-tuning
- Compara fine-tunning vgg e inception. Demasiado computo
- Extraer caracteristicas con red preentrenada
- Extraer características con fine-tunning
- Mirar OVO
- Aplicar OVA
- Mirar cross validation
- Mirar como crear ensemble de modelos