dc.contributor.advisor | García-Martín, Álvaro | |
dc.contributor.advisor | Martínez Sánchez, José María | |
dc.contributor.author | Peña Almansa, Alejandro | |
dc.contributor.other | UAM. Departamento de Tecnología Electrónica y de las Comunicaciones | es_ES |
dc.date.accessioned | 2019-07-19T08:38:56Z | |
dc.date.available | 2019-07-19T08:38:56Z | |
dc.date.issued | 2018-05 | |
dc.identifier.uri | http://hdl.handle.net/10486/688162 | en_US |
dc.description.abstract | En este Trabajo Fin de Grado se presenta el desarrollo de un algoritmo, basado en redes neuronales convolucionales, de segmentación de la escena en dos clases, objeto y fondo, cuyo objetivo radica en garantizar que ningún objeto o parte de objeto sea clasificado erróneamente como fondo, a diferencia del enfoque tradicional que se centra en obtener una gran precisión en la detección o clasificación del objeto. Dicho algoritmo se implementa a partir de un detector multiescala que aplica modelos basados en partes del objeto, siguiendo una arquitectura de red neuronal convolucional, sobre una pirámide de características construida por una segunda red neuronal convolucional a partir de la imagen de entrada. Sobre el detector desarrollamos dos métodos de segmentación que generalizan la segmentación persona-fondo del trabajo del que partimos, de forma que puedan operar con cualquier clase de objeto.
Nuestros experimentos se dividen en una evaluación del segmentador con la clase persona, y una segunda evaluación con distintas clases de objeto. La evaluación con la clase persona, muestra que el enfoque basado en redes neuronales convoluacionales desarrollado no sólo supera en rendimiento al enfoque tradicional del que partimos, sino que obtiene resultados cercanos al estado del arte en segmentación semántica mediante deep learning e incluso lo supera cuando se aplica una mayor penalización de los falsos positivos de la segmentación. Por su parte, la evaluación con clases de objeto distintas a persona corrobora la mejora de rendimiento del segmentador desarrollado respecto a sus versiones previas, llegando a obtener máscaras de segmentación satisfactorias en casos donde el trabajo previo no funcionó, aunque muestra un ligero aumento de la tasa de falsos positivos con respecto a la evaluación de persona. | es_ES |
dc.format.extent | 66 pág. | es_ES |
dc.format.mimetype | application/pdf | en_US |
dc.language.iso | spa | en_US |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject.other | Segmentación objeto-fondo | es_ES |
dc.subject.other | segmentación persona-fondo | es_ES |
dc.subject.other | detección de objetos | es_ES |
dc.title | Segmentación objeto-fondo mediante redes convolucionales | es_ES |
dc.type | bachelorThesis | en_US |
dc.subject.eciencia | Telecomunicaciones | es_ES |
dc.rights.cc | Reconocimiento – NoComercial – SinObraDerivada | es_ES |
dc.rights.accessRights | openAccess | en_US |
dc.facultadUAM | Escuela Politécnica Superior | |