Análisis de diferentes técnicas de segmentación semántica
La IA ha evolucionado durante todos estos años hasta convertirse en una herramienta prácticamente indispensable en nuestro día a día. Esta evolución ha permitido avances en campos tales como la medicina, la conducción o la agricultura, por citar solo algunos, que han cambiado la forma en la que los...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2023 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/88210 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/88210 |
| Access Level: | acceso abierto |
| Palabra clave: | 004(043.3) Inteligencia Artificial Redes neuronales Aprendizaje Automático Segmentación Semántica Redes Neuronales Convolucionales Codificador-Decodificador Matlab Artificial Intelligence Neural Networks Machine Learning Semantic Segmentation Convolutional Neural Networks Encoder-Decoder Informática (Informática) 33 Ciencias Tecnológicas |
| Sumario: | La IA ha evolucionado durante todos estos años hasta convertirse en una herramienta prácticamente indispensable en nuestro día a día. Esta evolución ha permitido avances en campos tales como la medicina, la conducción o la agricultura, por citar solo algunos, que han cambiado la forma en la que los humanos interaccionan con la tecnología. Este proyecto nace con el objetivo de estudiar y entender los conceptos teóricos que subyacen tras el paradigma del Deep Learnign (DL) y concretamente en el ámbito de lo que se conoce como segmentación semántica. La segmentación semántica es una técnica que permite clasificar a nivel de pixel una imagen en sus diferentes componentes, diferenciando distintas áreas pertenecientes a una misma clase. En el proyecto se realiza la implementación de una Red Neuronal Convolucional (RNC) que permite detectar diferentes zonas de imágenes agrícolas para su clasificación. Con ello se estudian varios modelos de redes de segmentación semántica como SegNet, Unet y DeepLab3 que se comparan entre sí para elegir la que mejor resultado ofrece y sobre ella se realizan las mejoras pertinentes con el fin de poder ajustarla y mejorar los resultados iniciales. |
|---|