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...

Descripción completa

Detalles Bibliográficos
Autor: Aizel Boto, Alejandro
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
id ES_cee8ed77174d9bfdc7efddb4d1dfb35d
oai_identifier_str oai:docta.ucm.es:20.500.14352/88210
network_acronym_str ES
network_name_str España
repository_id_str
spelling Análisis de diferentes técnicas de segmentación semánticaAnalysis of Different Semantic Segmentation TechniquesAizel Boto, Alejandro004(043.3)Inteligencia ArtificialRedes neuronalesAprendizaje AutomáticoSegmentación SemánticaRedes Neuronales ConvolucionalesCodificador-DecodificadorMatlabArtificial IntelligenceNeural NetworksMachine LearningSemantic SegmentationConvolutional Neural NetworksEncoder-DecoderInformática (Informática)33 Ciencias TecnológicasLa 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.Pajares Martínsanz, GonzaloUniversidad Complutense de Madrid20232023-01-0120232023-01-01master thesishttp://purl.org/coar/resource_type/c_bdccAMhttp://purl.org/coar/version/c_ab4af688f83e57aainfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/88210reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/882102026-06-02T12:44:21Z
dc.title.none.fl_str_mv Análisis de diferentes técnicas de segmentación semántica
Analysis of Different Semantic Segmentation Techniques
title Análisis de diferentes técnicas de segmentación semántica
spellingShingle Análisis de diferentes técnicas de segmentación semántica
Aizel Boto, Alejandro
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
title_short Análisis de diferentes técnicas de segmentación semántica
title_full Análisis de diferentes técnicas de segmentación semántica
title_fullStr Análisis de diferentes técnicas de segmentación semántica
title_full_unstemmed Análisis de diferentes técnicas de segmentación semántica
title_sort Análisis de diferentes técnicas de segmentación semántica
dc.creator.none.fl_str_mv Aizel Boto, Alejandro
author Aizel Boto, Alejandro
author_facet Aizel Boto, Alejandro
author_role author
dc.contributor.none.fl_str_mv Pajares Martínsanz, Gonzalo
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 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
topic 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
description 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.
publishDate 2023
dc.date.none.fl_str_mv 2023
2023-01-01
2023
2023-01-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
AM
http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/88210
url https://hdl.handle.net/20.500.14352/88210
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869420034152988672
score 15,300719

Similares en LA Referencia