Aplicación móvil para evitar fraudes en criptomonedas mediante la detección de logos

Abstract

La detección y clasificación de logotipos de criptomonedas puede ayudar a reducir algunas de las estafas asociadas a la falsificación de Smart-Contracts. La gran variedad de criptomonedas que existen, puede ser usada para investigar la creación de un modelo, que detecte y clasifique las criptomonedas más importantes. Este proyecto presenta el desarrollo de una aplicación móvil que converge en un análisis comparativo de algunas de las mejores arquitecturas de Transfer Learning (VGG16, VGG19, InceptionResnetV2 e InceptionV3) del estado del arte. Se hacen pruebas con diferentes conjuntos de datos, variando el número de logotipos por clase y con variedades de criptomonedas que van desde las 90, hasta las 250. Se obtuvieron los mejores resultados con la arquitectura VGG16 al clasificar 90 clases, obteniendo un Accuracy del 77%. Lo que indica que aún queda mucho por investigar, en el ámbito del Transfer Learning, cuando el número de clases comienza a ser significativo.