Clasificación de Flores con Redes Neuronales Convolucionales
RESUMEN : En los últimos años las redes neuronales artificiales (ANN) han tenido un crecimiento muy importante dentro del área de aprendizaje automático gracias a los avances tecnológicos. Generación de grandes bases de datos, mejores modelos y nuevas ideas para el mejoramiento continuo de los difer...
- Autores:
-
Aljure Jiménez, Yalila
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2021
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/24683
- Acceso en línea:
- http://hdl.handle.net/10495/24683
- Palabra clave:
- Redes neurales (computadores)
Neural networks (Computer science)
Aprendizaje automático (inteligencia artificial)
Machine learning
Análisis de imágenes
Image analysis
Redes neuronales convolucionales
Clasificación de imágenes
http://aims.fao.org/aos/agrovoc/c_36762
- Rights
- openAccess
- License
- http://creativecommons.org/publicdomain/zero/1.0/
Summary: | RESUMEN : En los últimos años las redes neuronales artificiales (ANN) han tenido un crecimiento muy importante dentro del área de aprendizaje automático gracias a los avances tecnológicos. Generación de grandes bases de datos, mejores modelos y nuevas ideas para el mejoramiento continuo de los diferentes algoritmos. Una de las formas más utilizadas de las ANN son las redes neuronales convolucionales (CNN), las cuales son utilizadas generalmente para la clasificación de imágenes. Este documento busca clasificar una base de datos que contiene imágenes de cinco clases de flores, utilizando tres arquitecturas de CNN muy conocidas: VGGNet, Xception y DenseNet. Los resultaron mostraron que la arquitectura Xception generaba los mejores resultados de clasificación alcanzando una exactitud de 0.803, una precisión de 0.8201 y una sensibilidad de 0.7798. |
---|