IABD12/Modelo-Animales

Modelo CNN para Clasificación de Perros vs Gatos

Este modelo de red neuronal convolucional (CNN) ha sido entrenado para clasificar imágenes de perros y gatos. Se trata de una tarea de clasificación binaria donde la salida es 0 (gato) o 1 (perro). Fue construido utilizando TensorFlow y Keras, entrenado desde cero con un dataset personalizado.

---

Dataset

• Nombre: Cats vs Dogs Dataset
• Origen: Carpeta local train/
• Cantidad: 25,000 imágenes
  • Etiquetado automático por nombre de archivo (cat o dog)
• Tamaño de imagen: 150x150 píxeles
• Preprocesamiento:
  • Reescalado: todos los valores de píxel normalizados a [0, 1]
  • División en entrenamiento y validación: 80% / 20%

---

Arquitectura del modelo

Sequential([ Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3)), MaxPooling2D(2, 2),

Conv2D(64, (3, 3), activation='relu'),
MaxPooling2D(2, 2),

Conv2D(128, (3, 3), activation='relu'),
MaxPooling2D(2, 2),

Flatten(),
Dense(512, activation='relu'),
Dropout(0.5),
Dense(1, activation='sigmoid')

])

model.compile(optimizer=Adam(), loss='binary_crossentropy', metrics=['accuracy'])

model.fit(X_train, y_train, epochs=10, batch_size=32, validation_data=(X_val, y_val))

---

Como usar

from tensorflow.keras.models import load_model from tensorflow.keras.preprocessing import image import numpy as np

model = load_model("dogs_vs_cats_cnn.h5")

def predict_image(img_path): img = image.load_img(img_path, target_size=(150, 150)) img_array = image.img_to_array(img) / 255.0 img_array = np.expand_dims(img_array, axis=0)

prediction = model.predict(img_array)[0][0]
return "Perro 🐶" if prediction > 0.5 else "Gato 🐱"

---

Guardado del modelo

model.save("dogs_vs_cats_cnn.h5")

---

Requisitos

• Python >= 3.8
• TensorFlow >= 2.9
• NumPy
• scikit-learn

---