Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/10495/24683| Título : | Clasificación de Flores con Redes Neuronales Convolucionales |
| Autor : | Aljure Jiménez, Yalila |
| metadata.dc.contributor.advisor: | Botia Valderrama, Javier Fernando |
| metadata.dc.subject.*: | 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 |
| Fecha de publicación : | 2021 |
| Resumen : | 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. |
| Aparece en las colecciones: | Especializaciones de la Facultad de Ingeniería |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| AljureYalila_2021_ClasificacionImagenesFlores.pdf | 1.89 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
