Medidas de invarianza y equivarianza a transformaciones en redes neuronales convolucionales : aplicaciones al reconocimiento de formas de mano

Mostrar todas las versiones(2)
Detalles Bibliográficos
Autor Principal: Quiroga, Facundo Manuel
Otros autores o Colaboradores: Lanzarini, Laura Cristina (Director/a)
Formato: Tesis
Lengua:español
Datos de publicación: 2020
Temas:
REDES NEURONALES
IMÁGENES
redes convolucionales
reconocimiento de señas
Acceso en línea:http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2142
Consultar en el Cátalogo
Descripción Física:1 archivo (44,1 MB) : il.col.
Tabla de Contenidos:
  • 1. Introducción
  • 1.1. Motivación
  • 1.2. Objetivos
  • 1.3. Contribuciones
  • 1.4. Publicaciones
  • 1.5. Organización de la tesis
  • 2. Marco teórico
  • 2.1. Aprendizaje Automático
  • 2.2. Redes Neuronales
  • 2.3. Redes Convolucionales
  • 2.4. Modelos de Redes Convolucionales
  • 2.5. Conjuntos de datos para clasificación de imágenes
  • 2.6. Invarianza y Equivarianza
  • 2.7. Modelos de Redes Convolucionales con Invarianza y Equivarianza
  • 2.8. Métricas de Invarianza y Equivarianza
  • 2.9. Clasificación de formas de mano para el reconocimiento de Lengua de Señas
  • 3. Modelos Invariantes vs Aumentación de Datos
  • 3.1. Metodología
  • 3.2. Desempeño con aumentación de datos
  • 3.3. Comparación con STN y GCNN
  • 3.4. Evaluación de aumentación de datos para invarianza con distintas transformaciones
  • 3.5. Re-entrenamiento de modelos para obtener invarianza
  • 3.6. Conclusiones
  • 4. Métricas de Equivarianza
  • 4.1. Definiciones generales
  • 4.2. Matriz Muestra-Transformación de Activaciones (MT)
  • 4.3. Métrica de invarianza basada en ANOVA
  • 4.4. Métricas de Invarianza basadas en la Varianza
  • 4.5. Métricas basadas en distancias
  • 4.6. Métrica Auto-Equivarianza
  • 4.7. Métricas Estratificadas
  • 4.8. Conclusiones
  • 5. Evaluación de Métricas de Equivarianza
  • 5.1. Metodología
  • 5.2. Métricas
  • 5.3. Validación de las métricas
  • 5.4. Análisis de las Métricas
  • 5.5. Análisis de Modelos de CNN
  • 5.6. Conclusiones
  • 6. Redes Convolucionales para la Clasificación de Formas de Manos
  • 6.1. Comparación de tasa de aciertos de distintas arquitecturas convolucionales
  • 6.2. Comparación de estrategias de preprocesamiento
  • 6.3. Evaluación de aumentación de datos para invarianza
  • 6.4. Conclusiones
  • 7. Conclusiones y trabajos futuros
  • 7.1. Logros
  • 7.2. Trabajos Futuros
  • A. Pseudocódigo del cómputo de las métricas
  • B. Diseño e implementación de la librería de Medidas Transformacionales
  • C. Varianza de funciones de activación

Ejemplares similares