Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12008/30313
Cómo citar
Título: | Aprendizaje Profundo para el procesamiento de Imágenes - Optimización del conjunto de datos de entrenamiento |
Autor: | Cabrera García, Juan Ignacio |
Tutor: | Marzoa Tanco, Mercedes González Olmedo, Mario |
Tipo: | Tesis de grado |
Palabras clave: | Aprendizaje activo, Transferencia de aprendizaje, Aprendizaje profundo, Conjunto de datos |
Fecha de publicación: | 2021 |
Resumen: | Los proyectos de aprendizaje profundo se enfrentan a múltiples desafíos, entre ellos el gran coste de generar conjuntos de datos etiquetados a gran escala, su depuración y el impacto en el resultado obtenido. La elección de qué datos utilizar, cuáles etiquetar y cómo afectan a estos modelos tienen un alto impacto en la viabilidad económica y computacional de los proyectos. Por lo tanto, es crucial elegir qué herramientas y técnicas utilizar durante el proceso de creación de estos conjuntos de datos en varios dominios, entre ellos la visión artificial. En este proyecto se propone analizar el estado del arte de las herramientas, técnicas y modelos que permiten optimizar el conjunto de imágenes sobre el cual se entrena un modelo de aprendizaje profundo para la visión artificial. Además, se diseña una solución para la selección de imágenes relevantes a etiquetar (a partir de un banco de imágenes sin etiquetas) para entrenar los modelos y se implementa una prueba de concepto de esta solución sobre un caso de uso real que supera significativamente el etiquetado aleatorio. |
Editorial: | Udelar.FI |
Citación: | Cabrera García, J. Aprendizaje Profundo para el procesamiento de Imágenes - Optimización del conjunto de datos de entrenamiento [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2021. |
Título Obtenido: | Licenciado en Computación |
Facultad o Servicio que otorga el Título: | Universidad de la República (Uruguay). Facultad de Ingeniería |
Licencia: | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
Aparece en las colecciones: | Tesis de grado - Instituto de Computación |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | ||
---|---|---|---|---|---|
CAB21.pdf | Tesis de grado | 3,04 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons