Clasificación de objetos en imágenes usando redes convolucionales

La clasificación de objetos en imágenes utilizando redes convolucionales es una técnica para el análisis de imágenes que utiliza Deep Learning o Aprendizaje Profundo. La misma consiste determinar a qué clase, de un conjunto de clases dado, pertenece el objeto que se encuentra en la imagen. Para la t...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Rubio, Ignacio, Fondato, Germán, Esnaola, Leonardo
Otros Autores: 0000-0001-6298-9019
Formato: Parte de libro publishedVersion
Lenguaje:Español
Publicado: Associação das Universidades do Grupo Montevidéu 2021
Materias:
red convolucional
clasificación de imágenes
Deep Learning
Acceso en línea:https://repositorio.unnoba.edu.ar/xmlui/handle/23601/168
Aporte de:
Re DI Repositorio Digital UNNOBA de Universidad Nacional del Noroeste de la Provincia de Buenos Aires
id I103-R405-23601-168
record_format dspace
spelling I103-R405-23601-1682021-12-09T18:12:23Z Clasificación de objetos en imágenes usando redes convolucionales Rubio, Ignacio Fondato, Germán Esnaola, Leonardo 0000-0001-6298-9019 red convolucional clasificación de imágenes Deep Learning La clasificación de objetos en imágenes utilizando redes convolucionales es una técnica para el análisis de imágenes que utiliza Deep Learning o Aprendizaje Profundo. La misma consiste determinar a qué clase, de un conjunto de clases dado, pertenece el objeto que se encuentra en la imagen. Para la tarea de clasificación, dicho elemento a clasificar tiene el foco principal de la imagen y es el único objeto en la misma. Las redes convolucionales son un tipo especial de red neuronal, que realizan la operación matemática de convolución durante su operación. Las mismas suponen explícitamente que las entradas son imágenes, lo que permite codificar ciertas propiedades en su arquitectura. Esto permite una implementación y funcionamiento mucho más eficiente reduciendo enormemente la cantidad de parámetros de la red. En el presente documento se realiza una comparativa entre algunos modelos de renombre y ampliamente utilizados como VGG16, VGG19 y ResNet, midiendo los resultados obtenidos sobre el dataset CIFAR100; mediciones en función de la exactitud alcanzada por el modelo, la reducción del error lograda en el reconocimiento, y los tiempos necesarios de ejecución (siempre en un mismo ambiente de pruebas). Los modelos utilizados para la clasificación de objetos son la base para otras tareas referentes al análisis de imágenes: detección y localización, y segmentación. La motivación del presente trabajo es comparar y seleccionar el modelo más apropiado para realizar las actividades de análisis de imágenes mencionadas. Con esto, nos referimos al más eficiente en un determinado ambiente de pruebas, con recursos computacionales definidos, tiempos de pruebas establecidos y objetivos de aplicación particulares para el uso del modelo. Fil: Rubio, Ignacio. Instituto de Investigación y Transferencia en Tecnología, Centro Asociado CIC Fil: Rubio, Ignacio. Universidad Nacional del Noroeste de la Provincia de Buenos Aires. Escuela de Tecnología. Fil: Fondato, Germán. Instituto de Investigación y Transferencia en Tecnología, Centro Asociado CIC. Fil: Fondato, Germán. Universidad Nacional del Noroeste de la Provincia de Buenos Aires. Escuela de Tecnología. Fil: Esnaola, Leonardo. Instituto de Investigación y Transferencia en Tecnología, Centro Asociado CIC. Fil: Esnaola, Leonardo. Universidad Nacional del Noroeste de la Provincia de Buenos Aires. Escuela de Tecnología. Con referato 2021-12-09T18:09:09Z 2021-12-09T18:09:09Z 2019-10-25 info:eu-repo/semantics/bookPart info:ar-repo/semantics/parte de libro info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/bookPart info:ar-repo/semantics/parte de libro info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/bookPart info:ar-repo/semantics/parte de libro info:eu-repo/semantics/publishedVersion Rubio, I.; Fondato, G.; Esnaola, L. (2019). Clasificación de objetos en imágenes usando redes convolucionales. (XXVII Jornadas de Jovens Pesquisadores da Associação de Universidades Grupo Montevidéu – AUGM, Univesidade Federal de São Carlos, Brasil). 978-85-94099-11-2 https://repositorio.unnoba.edu.ar/xmlui/handle/23601/168 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-nd/2.5/ar/ application/pdf application/pdf Associação das Universidades do Grupo Montevidéu XXVII Jornadas de Jovens Pesquisadores
institution Universidad Nacional del Noroeste de la Provincia de Buenos Aires
institution_str I-103
repository_str R-405
collection Re DI Repositorio Digital UNNOBA
language Español
topic red convolucional
clasificación de imágenes
Deep Learning
spellingShingle red convolucional
clasificación de imágenes
Deep Learning
Rubio, Ignacio
Fondato, Germán
Esnaola, Leonardo
Clasificación de objetos en imágenes usando redes convolucionales
topic_facet red convolucional
clasificación de imágenes
Deep Learning
description La clasificación de objetos en imágenes utilizando redes convolucionales es una técnica para el análisis de imágenes que utiliza Deep Learning o Aprendizaje Profundo. La misma consiste determinar a qué clase, de un conjunto de clases dado, pertenece el objeto que se encuentra en la imagen. Para la tarea de clasificación, dicho elemento a clasificar tiene el foco principal de la imagen y es el único objeto en la misma. Las redes convolucionales son un tipo especial de red neuronal, que realizan la operación matemática de convolución durante su operación. Las mismas suponen explícitamente que las entradas son imágenes, lo que permite codificar ciertas propiedades en su arquitectura. Esto permite una implementación y funcionamiento mucho más eficiente reduciendo enormemente la cantidad de parámetros de la red. En el presente documento se realiza una comparativa entre algunos modelos de renombre y ampliamente utilizados como VGG16, VGG19 y ResNet, midiendo los resultados obtenidos sobre el dataset CIFAR100; mediciones en función de la exactitud alcanzada por el modelo, la reducción del error lograda en el reconocimiento, y los tiempos necesarios de ejecución (siempre en un mismo ambiente de pruebas). Los modelos utilizados para la clasificación de objetos son la base para otras tareas referentes al análisis de imágenes: detección y localización, y segmentación. La motivación del presente trabajo es comparar y seleccionar el modelo más apropiado para realizar las actividades de análisis de imágenes mencionadas. Con esto, nos referimos al más eficiente en un determinado ambiente de pruebas, con recursos computacionales definidos, tiempos de pruebas establecidos y objetivos de aplicación particulares para el uso del modelo.
author2 0000-0001-6298-9019
author_facet 0000-0001-6298-9019
Rubio, Ignacio
Fondato, Germán
Esnaola, Leonardo
format Parte de libro
Parte de libro
publishedVersion
Parte de libro
Parte de libro
publishedVersion
Parte de libro
Parte de libro
publishedVersion
author Rubio, Ignacio
Fondato, Germán
Esnaola, Leonardo
author_sort Rubio, Ignacio
title Clasificación de objetos en imágenes usando redes convolucionales
title_short Clasificación de objetos en imágenes usando redes convolucionales
title_full Clasificación de objetos en imágenes usando redes convolucionales
title_fullStr Clasificación de objetos en imágenes usando redes convolucionales
title_full_unstemmed Clasificación de objetos en imágenes usando redes convolucionales
title_sort clasificación de objetos en imágenes usando redes convolucionales
publisher Associação das Universidades do Grupo Montevidéu
publishDate 2021
url https://repositorio.unnoba.edu.ar/xmlui/handle/23601/168
work_keys_str_mv AT rubioignacio clasificaciondeobjetosenimagenesusandoredesconvolucionales
AT fondatogerman clasificaciondeobjetosenimagenesusandoredesconvolucionales
AT esnaolaleonardo clasificaciondeobjetosenimagenesusandoredesconvolucionales
_version_ 1850060718639939584

Ejemplares similares