La mayor parte del progreso llevado a cabo en los últimos años en el deep learning aplicado a la visión artificial se debe a únicamente a un pequeño grupo de arquitecturas de redes neuronales: VGG16, VGG19, ResNet50, Inception v3, Xception y MobileNet.

Dejando a parte las matemáticas, el código y los detalles de implementación, el artículo explora una cuestión simple: ¿Cómo y por qué funcionan esos modelos?

Las redes VGG siguen la estructura básica de las redes de convolución y MobileNet es esencialmente una versión de Xception para aplicaciones móviles. Las tres restantes, sin embargo, redefinen nuestra visión de las redes neuronales. El post se centra en el planteamiento subyacente a las arquitecturas ResNet, Inception y Xception y en por qué se han convertido en los elementos básicos de tantos proyectos de visión artificial.

Un innovador prototipo basado en la inteligencia artificial, llamado PerfilNet.Pyros, ayuda ya a esclarecer la autoría de incendios forestales, en un proyecto de la Universitat Autònoma de Barcelona (UAB).

Según explican los investigadores Rosario Delgado y Xavier-Andoni Tibau, del grupo de Métodos Cuantitativos en Criminología de la UAB, los agentes que indagan en la reciente ola de incendios de Galicia --en la que fallecieron cuatro personas y hubo 49.000 hectáreas quemadas-- "ya pueden consultar y usar" este prototipo.

PerfilNet.Pyros es un sistema experto basado en redes bayesanas, lo que significa "un sistema informático de inteligencia artificial con capacidad para aprender, razonar, comunicar y ayudar a obtener conclusiones lógicas a partir de los datos existentes", en este caso en relación con el perfil de incendiarios.