Clasificación Visual de Países con ConvNeXt V2 Tiny
Este modelo ha sido desarrollado como parte de un proyecto de clasificación multiclase de imágenes por países utilizando técnicas de Transfer Learning y Data Augmentation.
Descripción del Modelo
El modelo base utilizado es ConvNeXt V2 Tiny (27.9 millones de parámetros), cuyo extractor de características fue descongelado por completo para realizar un ajuste fino (fine-tuning) adaptado a la clasificación de 55 países diferentes.
- Arquitectura base: ConvNeXt V2 Tiny
- Estrategia de entrenamiento: Fine-tuning completo con aumento de datos (Data Augmentation).
- Tamaño de entrada: 3 × 224 × 384 píxeles.
Dataset
Se ha utilizado el dataset GeoGuessr Countries Finetune, compuesto por aproximadamente 25.400 imágenes distribuidas en 55 clases, con un tamaño de 3.62 GB.
Resultados y Métricas Globales
El modelo final fue seleccionado tras evaluar distintas configuraciones (modelos clásicos y CNN desde cero) gracias a su rendimiento superior en la partición de validación. Las métricas finales en el conjunto de test son:
| Métrica | Valor obtenido |
|---|---|
| Top-1 Accuracy | 0.6200 (62.0%) |
| Macro-F1 Score | 0.4346 |
Limitaciones Conocidas
- Desbalanceo de datos: Existe una disparidad considerable en el número de imágenes por país en el dataset original (ej. Japón cuenta con >2600 imágenes mientras que Ghana tiene aproximadamente 70). Esto afecta directamente al Macro-F1 del modelo.
- Tamaño del conjunto de test: El conjunto de evaluación final cuenta únicamente con 400 imágenes repartidas entre las 55 clases, por lo que los resultados desglosados por país deben interpretarse con cautela.