Corteza visual evolutiva para la clasificación de objetos en imágenes naturales usando un enfoque multi-objetivo
En la actualidad, los sistemas de visión por computadora se han inspirado del funcionamiento del sistema visual humana con el objetivo de resolver diferentes problemas, tales como la detección y clasi?cación de objetos. Modelos computacionales como el modelo de la corteza visual arti?cial han mostra...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2016 |
| País: | México |
| Institución: | Centro de Investigación Científica y de Educación Superior de Ensenada |
| Repositorio: | Repositorio Institucional CICESE |
| Idioma: | español |
| OAI Identifier: | oai:cicese.repositorioinstitucional.mx:1007/382 |
| Acceso en línea: | http://cicese.repositorioinstitucional.mx/jspui/handle/1007/382 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/Autor/Computación info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/12 info:eu-repo/classification/cti/1203 |
| Sumario: | En la actualidad, los sistemas de visión por computadora se han inspirado del funcionamiento del sistema visual humana con el objetivo de resolver diferentes problemas, tales como la detección y clasi?cación de objetos. Modelos computacionales como el modelo de la corteza visual arti?cial han mostrado resultados prometedores en resolver ese tipo de problemas. Por lo tanto, este trabajo de tesis propone una nueva metodología para la creación de un vector descriptor de imágenes con el objetivo de clasi?carlas; y al mismo tiempo, encontrar la posición en la imagen del objeto de interés. Además, este trabajo implementa el paradigma de optimización conocido como programación de cerebros con un enfoque multi-objetivo; en busca de integrar las tareas visuales de localización y descripción de objetos, con el objetivo de mejorar el rendimiento del sistema en el problema de clasi?cación de objetos. Dicha metodología se implementa para generar soluciones, en base al modelo propuesto, para clasi?car las imágenes de dos bases de datos (GRAZ01 y GRAZ-2) utilizadas en el estado-del-arte como punto de referencia para comparar el rendimiento de diferentes sistemas de clasi?cación. Los modelos generados por medio de la programación cerebral presentes en este trabajo de investigación logran resultados similares, y en algunos casos superiores, a otras técnicas del estado-del-arte en la tarea de clasi?cación de las imágenes previamente mencionadas. |
|---|