Clasificación de imágenes usando redes neuronales convolucionales

168 páginas. Maestría en Ciencias de la Computación.

Detalhes bibliográficos
Autor: López-Saca, Fidel
Formato: tesis de maestría
Estado:Versión publicada
Fecha de publicación:2019
País:México
Recursos:Universidad Autónoma Metropolitana
Repositorio:Repositorio Institucional Zaloamati
Idioma:español
OAI Identifier:oai:zaloamati.azc.uam.mx:11191/6123
Acesso em linha:http://hdl.handle.net/11191/6123
Access Level:acceso abierto
Palavra-chave:Reconocimiento de patrones; Redes neuronales convolucionales; Visión por computadora.
INGENIERÍA Y TECNOLOGÍA::CIENCIAS TECNOLÓGICAS::TECNOLOGÍA DE LOS ORDENADORES::TERMINALES, DISPOSITIVOS GRÁFICOS Y TRAZADORES
QA76.87
Neural networks (Computer science)--Design.
Redes neuronales (Computación).
Sistemas de reconocimiento de configuraciones.
Visión por computadora.
Procesamiento de imágenes -- Técnicas digitales.
id MX_0ed7d2f2ce2ea534c3a970e5a2e9d237
oai_identifier_str oai:zaloamati.azc.uam.mx:11191/6123
network_acronym_str MX
network_name_str México
repository_id_str
spelling Clasificación de imágenes usando redes neuronales convolucionalesLópez-Saca, FidelReconocimiento de patrones; Redes neuronales convolucionales; Visión por computadora.INGENIERÍA Y TECNOLOGÍA::CIENCIAS TECNOLÓGICAS::TECNOLOGÍA DE LOS ORDENADORES::TERMINALES, DISPOSITIVOS GRÁFICOS Y TRAZADORESQA76.87Neural networks (Computer science)--Design.Redes neuronales (Computación).Sistemas de reconocimiento de configuraciones.Visión por computadora.Procesamiento de imágenes -- Técnicas digitales.168 páginas. Maestría en Ciencias de la Computación.La clasificación de imágenes de forma automatizada sigue siendo un problema abierto, es decir, no existe una solución al 100% fiable; al día de hoy se han trabajado diversas metodologías para resolver el problema. En los últimos años las redes neuronales convolucionales (CNN) han sido populares en el procesamiento de datos a gran escala y muchos trabajos han demostrado que son herramientas prometedoras en muchos campos, en especial, en la clasificación. En esta idónea comunicación de resultados se analiza, diseña y construye una nueva red neuronal convolucional para la clasificación de imágenes. Se seleccionan conjuntos de imágenes públicas y se separan para entrenamiento y prueba: con el primer conjunto se puede entrenar la red usando lotes de imágenes seleccionados de manera aleatoria; con el segundo conjunto de imágenes se valida el rendimiento. Las CNN están formadas por dos secciones: extracción de características y clasificación. La ventaja de la red diseñada es que la sección de extracción de características utiliza tres kernel de convolución distintos por donde ingresa una imagen. Después se utilizan capas totalmente conectadas para la clasificación. Al realizar los experimentos se muestra que la red desarrollada aumenta el rendimiento al utilizar tres secciones de extracción de características pero incrementa el tiempo de entrenamiento. La CNN se probó con tres conjuntos de imágenes y se hacen comparaciones contra las redes mundialmente conocidas como: AlexNet [2], GoogleNet [9] y ResNet 152 [10]. En pruebas la red diseñada proporcionó mejor precisión con los conjuntos de imágenes utilizados. Para esto se desarrolló un programa para generación de archivos tfrecord, utilizados principalmente para el entrenamiento de miles de imágenes, reduciendo el tiempo en el entrenamiento, también se utilizaron cuatro GPUs para el procesamiento de datos. Para poder utilizar las GPUs se ha tenido que implementar CUDA, se programó utilizando Python 2.7 y la librería TensorFlow.Universidad Autónoma Metropolitana (México). Unidad Azcapotzalco. Coordinación de Servicios de Información.AVILES-CRUZ, Carlos;#0000-0002-2323-9335FERREYRA, ANDRES;#0000-0002-0743-2426Aviles-Cruz, CarlosFerreyra, Andres2019-12-11T00:24:52Z2019-12-11T00:24:52Z2019-05masterThesisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesispdfBorn digitalapplication/pdfhttp://hdl.handle.net/11191/6123reponame:Repositorio Institucional Zaloamatiinstname:Universidad Autónoma Metropolitanainstacron:UAMspaAtribución-NoComercial-SinDerivadashttp://creativecommons.org/licenses/by-nc-nd/4.0openAccessinfo:eu-repo/semantics/openAccessoai:zaloamati.azc.uam.mx:11191/61232024-08-28T04:05:56Z
dc.title.none.fl_str_mv Clasificación de imágenes usando redes neuronales convolucionales
title Clasificación de imágenes usando redes neuronales convolucionales
spellingShingle Clasificación de imágenes usando redes neuronales convolucionales
López-Saca, Fidel
Reconocimiento de patrones; Redes neuronales convolucionales; Visión por computadora.
INGENIERÍA Y TECNOLOGÍA::CIENCIAS TECNOLÓGICAS::TECNOLOGÍA DE LOS ORDENADORES::TERMINALES, DISPOSITIVOS GRÁFICOS Y TRAZADORES
QA76.87
Neural networks (Computer science)--Design.
Redes neuronales (Computación).
Sistemas de reconocimiento de configuraciones.
Visión por computadora.
Procesamiento de imágenes -- Técnicas digitales.
title_short Clasificación de imágenes usando redes neuronales convolucionales
title_full Clasificación de imágenes usando redes neuronales convolucionales
title_fullStr Clasificación de imágenes usando redes neuronales convolucionales
title_full_unstemmed Clasificación de imágenes usando redes neuronales convolucionales
title_sort Clasificación de imágenes usando redes neuronales convolucionales
dc.creator.none.fl_str_mv López-Saca, Fidel
author López-Saca, Fidel
author_facet López-Saca, Fidel
author_role author
dc.contributor.none.fl_str_mv AVILES-CRUZ, Carlos;#0000-0002-2323-9335
FERREYRA, ANDRES;#0000-0002-0743-2426
Aviles-Cruz, Carlos
Ferreyra, Andres
dc.subject.none.fl_str_mv Reconocimiento de patrones; Redes neuronales convolucionales; Visión por computadora.
INGENIERÍA Y TECNOLOGÍA::CIENCIAS TECNOLÓGICAS::TECNOLOGÍA DE LOS ORDENADORES::TERMINALES, DISPOSITIVOS GRÁFICOS Y TRAZADORES
QA76.87
Neural networks (Computer science)--Design.
Redes neuronales (Computación).
Sistemas de reconocimiento de configuraciones.
Visión por computadora.
Procesamiento de imágenes -- Técnicas digitales.
topic Reconocimiento de patrones; Redes neuronales convolucionales; Visión por computadora.
INGENIERÍA Y TECNOLOGÍA::CIENCIAS TECNOLÓGICAS::TECNOLOGÍA DE LOS ORDENADORES::TERMINALES, DISPOSITIVOS GRÁFICOS Y TRAZADORES
QA76.87
Neural networks (Computer science)--Design.
Redes neuronales (Computación).
Sistemas de reconocimiento de configuraciones.
Visión por computadora.
Procesamiento de imágenes -- Técnicas digitales.
description 168 páginas. Maestría en Ciencias de la Computación.
publishDate 2019
dc.date.none.fl_str_mv 2019-12-11T00:24:52Z
2019-12-11T00:24:52Z
2019-05
dc.type.none.fl_str_mv masterThesis
info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11191/6123
url http://hdl.handle.net/11191/6123
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv Atribución-NoComercial-SinDerivadas
http://creativecommons.org/licenses/by-nc-nd/4.0
openAccess
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas
http://creativecommons.org/licenses/by-nc-nd/4.0
openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv pdf
Born digital
application/pdf
dc.publisher.none.fl_str_mv Universidad Autónoma Metropolitana (México). Unidad Azcapotzalco. Coordinación de Servicios de Información.
publisher.none.fl_str_mv Universidad Autónoma Metropolitana (México). Unidad Azcapotzalco. Coordinación de Servicios de Información.
dc.source.none.fl_str_mv reponame:Repositorio Institucional Zaloamati
instname:Universidad Autónoma Metropolitana
instacron:UAM
instname_str Universidad Autónoma Metropolitana
instacron_str UAM
institution UAM
reponame_str Repositorio Institucional Zaloamati
collection Repositorio Institucional Zaloamati
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1858174405313560576
score 14,965132

Registos relacionados