Mi DSpace
Usuario
Contraseña
Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.12590/16982
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMeza Lovon, Graciela Lecireth-
dc.contributor.authorCerpa Salas, Alonso Jesus-
dc.date.accessioned2021-12-22T04:09:02Z-
dc.date.available2021-12-22T04:09:02Z-
dc.date.issued2021-
dc.identifier.other1073676-
dc.identifier.urihttp://hdl.handle.net/20.500.12590/16982-
dc.description.abstractEn los últimos años, las redes neuronales convolucionales se han utilizado ampliamente para resolver problemas como la clasificación de imágenes, la detección de objetos y la segmentación de objetos. Sin embargo, estas redes neuronales requieren de una gran cantidad de datos correctamente etiquetados para funcionar adecuadamente. Por este motivo, los procesos de etiquetado de datos se llevan a cabo reclutando personas que etiquetarán los datos manualmente. Esto es un problema, ya que consume mucho tiempo y dinero, por lo que algunos investigadores han estudiado el uso de sistemas que generan datos sintéticos y a la vez, los etiquetan. Dada esta problemática, en el presente trabajo se plantea un sistema para generar datos sintéticos mediante un renderizador, que utiliza fondos aleatorios (imágenes) y 3 modelos 3D de piezas de maquinaria. Luego, dichos datos sintéticos son etiquetados por nuestro sistema, para las tareas de detección y segmentación de objetos. Adicionalmente, aplicamos un filtro de Gaussian Blur a nuestras imágenes sintéticas para que den mejores resultados en el entrenamiento posterior. Después, nuestro sistema entrena una red neuronal Mask R-CNN (pre-entrenada con el conjunto de datos COCO) con los datos sintéticos con Gaussian Blur generados y etiquetados anteriormente. Finalmente, nuestro sistema realiza pruebas de la red neuronal con datos reales (fotografías de las 3 piezas de maquinaria en el mundo real), donde se consiguen resultados óptimos.es_PE
dc.description.uriTesises_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Católica San Pabloes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/es_PE
dc.sourceUniversidad Católica San Pabloes_PE
dc.sourceRepositorio Institucional - UCSPes_PE
dc.subjectDetección de objetoses_PE
dc.subjectSegmentación de objetoses_PE
dc.subjectGaussian Blures_PE
dc.subjectGeneración de datos sintéticoses_PE
dc.subjectMask R-CNNes_PE
dc.subjectRed Neuronal Profundaes_PE
dc.subjectRenderizaciónes_PE
dc.titleEntrenando una red neuronal Mask R-CNN con imágenes sintéticas para la detección y segmentación de objetos en imágenes reales de maquinariaes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.nameLicenciada en Ciencia de la Computaciónes_PE
thesis.degree.grantorUniversidad Católica San Pablo. Departamento de Ciencia de la Computaciónes_PE
thesis.degree.levelTítulo Profesionales_PE
thesis.degree.disciplineCiencia de la Computaciónes_PE
thesis.degree.programPrograma Profesional de Ciencia de la Computaciónes_PE
renati.author.dni71140389-
dc.publisher.countryPEes_PE
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.02.01es_PE
renati.advisor.orcidhttps://orcid.org/0000-0002-9773-7265es_PE
renati.advisor.dni40222974-
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_PE
renati.discipline611016es_PE
renati.jurorJuan Carlos Gutiérrez Cácereses_PE
renati.jurorYván Jesús Túpac Valdiviaes_PE
Appears in Collections:Tesis Pregrado - Ciencia de la computación

Files in This Item:
File Description SizeFormat 
CERPA_SALAS_ALO_NEU.pdf1.52 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.