Detección de humedad en bienes raíces usando texturas de Haralick

La siguiente investigación se centra en la detección de regiones de humedad en imágenes de inmuebles (casas y apartamentos). Al contrario de la literatura reciente, decidimos atacar el problema utilizando texturas de las imágenes, específicamente descriptores de Haralick. Dos razones principales nos...

Full description

Autores:
Tipo de recurso:
masterThesis
Fecha de publicación:
2021
Institución:
Pontificia Universidad Javeriana
Repositorio:
Repositorio Universidad Javeriana
Idioma:
spa
OAI Identifier:
oai:repository.javeriana.edu.co:10554/58500
Acceso en línea:
http://hdl.handle.net/10554/58500
https://doi.org/10.11144/Javeriana.10554.58500
Palabra clave:
Clasificación de imágenes
Textura de imágenes
Análisis de textura de imágenes
Redes neuronales
Image classification
Image texture
Image texture analysis
Neural networks
Maestría en inteligencia artificial - Tesis y disertaciones académicas
Procesamiento de imágenes
Desarrollo de software
Redes neuronales (Computadores)
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
id JAVERIANA_c00e257814ea791bde495539c393324c
oai_identifier_str oai:repository.javeriana.edu.co:10554/58500
network_acronym_str JAVERIANA
network_name_str Repositorio Universidad Javeriana
repository_id_str
dc.title.none.fl_str_mv Detección de humedad en bienes raíces usando texturas de Haralick
Humidity detection in real estate using Haralick features
title Detección de humedad en bienes raíces usando texturas de Haralick
spellingShingle Detección de humedad en bienes raíces usando texturas de Haralick
Nicolás, Niño Alarcón
Clasificación de imágenes
Textura de imágenes
Análisis de textura de imágenes
Redes neuronales
Image classification
Image texture
Image texture analysis
Neural networks
Maestría en inteligencia artificial - Tesis y disertaciones académicas
Procesamiento de imágenes
Desarrollo de software
Redes neuronales (Computadores)
title_short Detección de humedad en bienes raíces usando texturas de Haralick
title_full Detección de humedad en bienes raíces usando texturas de Haralick
title_fullStr Detección de humedad en bienes raíces usando texturas de Haralick
title_full_unstemmed Detección de humedad en bienes raíces usando texturas de Haralick
title_sort Detección de humedad en bienes raíces usando texturas de Haralick
dc.creator.none.fl_str_mv Nicolás, Niño Alarcón
author Nicolás, Niño Alarcón
author_facet Nicolás, Niño Alarcón
author_role author
dc.contributor.none.fl_str_mv Flórez Valencia, Leonardo
Montero Posada, Anabel
Pavlich Mariscal, Jaime Andrés
dc.subject.none.fl_str_mv Clasificación de imágenes
Textura de imágenes
Análisis de textura de imágenes
Redes neuronales
Image classification
Image texture
Image texture analysis
Neural networks
Maestría en inteligencia artificial - Tesis y disertaciones académicas
Procesamiento de imágenes
Desarrollo de software
Redes neuronales (Computadores)
topic Clasificación de imágenes
Textura de imágenes
Análisis de textura de imágenes
Redes neuronales
Image classification
Image texture
Image texture analysis
Neural networks
Maestría en inteligencia artificial - Tesis y disertaciones académicas
Procesamiento de imágenes
Desarrollo de software
Redes neuronales (Computadores)
description La siguiente investigación se centra en la detección de regiones de humedad en imágenes de inmuebles (casas y apartamentos). Al contrario de la literatura reciente, decidimos atacar el problema utilizando texturas de las imágenes, específicamente descriptores de Haralick. Dos razones principales nos llevaron a tomar esta decisión: nuestra muestra era pequeña (un conjunto de menos de 150 imágenes) y reflexionando sobre el problema observamos que las regiones con humedad presentan, al ojo humano, texturas diferentes que las demás regiones. Generamos entonces un vector de 24 descriptores de Haralick por cada píxel de las imágenes que teníamos y cruzamos esto con el etiquetado que previamente habíamos realizado de las imágenes. Producto de esto, se originaron más de 300 millones de datos. Todos los modelos que realizamos lograron resultados satisfactorios. El modelo más simple, uno de regresión logística logró clasificar 70% correctamente. El modelo más complejo, una red neuronal, logró cerca del 81%.
publishDate 2021
dc.date.none.fl_str_mv 2021-12-13
2022-01-19T17:18:12Z
2022-01-19T17:18:12Z
dc.type.none.fl_str_mv http://purl.org/coar/version/c_ab4af688f83e57aa
Tesis/Trabajo de grado - Monografía - Maestría
http://purl.org/coar/resource_type/c_bdcc
info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/10554/58500
https://doi.org/10.11144/Javeriana.10554.58500
instname:Pontificia Universidad Javeriana
reponame:Repositorio Institucional - Pontificia Universidad Javeriana
repourl:https://repository.javeriana.edu.co
url http://hdl.handle.net/10554/58500
https://doi.org/10.11144/Javeriana.10554.58500
identifier_str_mv instname:Pontificia Universidad Javeriana
reponame:Repositorio Institucional - Pontificia Universidad Javeriana
repourl:https://repository.javeriana.edu.co
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv PDF
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Pontificia Universidad Javeriana
Maestría en Inteligencia Artificial
Facultad de Ingeniería
publisher.none.fl_str_mv Pontificia Universidad Javeriana
Maestría en Inteligencia Artificial
Facultad de Ingeniería
dc.source.none.fl_str_mv reponame:Repositorio Universidad Javeriana
instname:Pontificia Universidad Javeriana
instacron:Pontificia Universidad Javeriana
instname_str Pontificia Universidad Javeriana
instacron_str Pontificia Universidad Javeriana
institution Pontificia Universidad Javeriana
reponame_str Repositorio Universidad Javeriana
collection Repositorio Universidad Javeriana
_version_ 1803712858154860544
spelling Detección de humedad en bienes raíces usando texturas de HaralickHumidity detection in real estate using Haralick featuresNicolás, Niño AlarcónClasificación de imágenesTextura de imágenesAnálisis de textura de imágenesRedes neuronalesImage classificationImage textureImage texture analysisNeural networksMaestría en inteligencia artificial - Tesis y disertaciones académicasProcesamiento de imágenesDesarrollo de softwareRedes neuronales (Computadores)La siguiente investigación se centra en la detección de regiones de humedad en imágenes de inmuebles (casas y apartamentos). Al contrario de la literatura reciente, decidimos atacar el problema utilizando texturas de las imágenes, específicamente descriptores de Haralick. Dos razones principales nos llevaron a tomar esta decisión: nuestra muestra era pequeña (un conjunto de menos de 150 imágenes) y reflexionando sobre el problema observamos que las regiones con humedad presentan, al ojo humano, texturas diferentes que las demás regiones. Generamos entonces un vector de 24 descriptores de Haralick por cada píxel de las imágenes que teníamos y cruzamos esto con el etiquetado que previamente habíamos realizado de las imágenes. Producto de esto, se originaron más de 300 millones de datos. Todos los modelos que realizamos lograron resultados satisfactorios. El modelo más simple, uno de regresión logística logró clasificar 70% correctamente. El modelo más complejo, una red neuronal, logró cerca del 81%.The following research focuses on the detection of regions of humidity in real estate images (houses and apartments). Contrary to recent literature, we decided to attack the problem using image textures, specifically Haralick descriptors. Two main reasons led us to make this decision: our sample was small (a set of less than 150 images) and reflecting on the problem we observed that regions with humidity show, to the human eye, different textures than other regions. We then generated a vector of 24 Haralick descriptors for each pixel of the images we had and crossed this with the labeling we had previously performed on the images. This resulted in more than 300 million data points. All the models we ran achieved satisfactory results. The simplest model, a logistic regression model, was able to classify 70% correctly. The most complex model, a neural network, achieved about 81%.Magíster en Inteligencia ArtificialMaestríaPontificia Universidad JaverianaMaestría en Inteligencia ArtificialFacultad de IngenieríaFlórez Valencia, LeonardoMontero Posada, AnabelPavlich Mariscal, Jaime Andrés2022-01-19T17:18:12Z2022-01-19T17:18:12Z2021-12-13http://purl.org/coar/version/c_ab4af688f83e57aaTesis/Trabajo de grado - Monografía - Maestríahttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionPDFapplication/pdfapplication/pdfhttp://hdl.handle.net/10554/58500https://doi.org/10.11144/Javeriana.10554.58500instname:Pontificia Universidad Javerianareponame:Repositorio Institucional - Pontificia Universidad Javerianarepourl:https://repository.javeriana.edu.cospaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.reponame:Repositorio Universidad Javerianainstname:Pontificia Universidad Javerianainstacron:Pontificia Universidad Javeriana2022-04-29T19:21:01Z

Publicaciones similares