🌸 Image Classifier - Flower Species

Este proyecto consiste en el desarrollo de un clasificador de imágenes que predice la especie de una flor a partir de una fotografía. Utiliza redes neuronales preentrenadas (transfer learning) para construir un modelo robusto de clasificación de imágenes.

⸻

🎯 Objetivo

Entrenar un modelo que, dado una imagen de flor, devuelva la clase o especie correspondiente, entre 102 categorías disponibles en el dataset.

⸻

🛠️ Tecnologías utilizadas • Lenguaje: Python • Frameworks: PyTorch, torchvision • Entorno: Jupyter Notebook, Google Colab o consola local • Red preentrenada: VGG16

⸻

📦 Dataset • Dataset de flores con 102 categorías • Fuente: Oxford 102 Flower Dataset (descargado automáticamente mediante torchvision.datasets.ImageFolder) • Imágenes divididas en: • train/ • valid/ • test/

⸻

📌 Proceso 1. Carga y transformación de imágenes • Transformaciones: redimensionamiento, normalización y aumentos • Uso de DataLoader de PyTorch 2. Construcción del modelo • Congelar pesos de red preentrenada • Agregar capa clasificadora (classifier) personalizada 3. Entrenamiento y validación • Optimización con Adam • Función de pérdida: CrossEntropyLoss • Validación en cada epoch 4. Evaluación • Precisión sobre el conjunto de test • Predicción individual de imágenes usando la función predict 5. Guardado y carga del modelo • Checkpoint: arquitectura, pesos, clase a índice

⸻

✅ Resultados • Se logró una precisión de test superior al 80% • El modelo puede predecir correctamente la especie de una flor con solo una imagen como entrada