Look-up in Google Scholar
Full metadata record
Chahuas Rebatta, César Eduardo
Hospinal Roman, Oscar David
Jayo Escalante, Geraldine Indira
2023-05-31T22:10:28Z
2023-05-31T22:10:28Z
2023-01-27
http://hdl.handle.net/10757/667866
El reconocimiento de imágenes es una tarea importante en el campo de la visión por computadora y por muchos investigadores en los últimos años. Con la aparición del aprendizaje profundo, se ha logrado un gran avance en el desarrollo de modelos de reconocimiento de imágenes. El desarrollo y la validación conceptual de los modelos de reconocimiento de imágenes son importantes para garantizar su eficacia en la tarea específica para la que se diseñaron. En el desarrollo, se definen los requisitos del sistema, se seleccionan las características relevantes y se determina la arquitectura adecuada para el modelo. La validación conceptual implica la evaluación de los modelos con datos de prueba y la comparación con otros modelos existentes en el campo. En conclusión, el desarrollo y la validación conceptual son esenciales en el proceso de creación de modelos de reconocimiento de imágenes. La combinación del aprendizaje profundo y técnicas específicas de preprocesamiento de imágenes han permitido un gran avance en esta área y han demostrado ser muy efectivas en la tarea de reconocimiento de imágenes. Sin embargo, es importante tener en cuenta la importancia de un conjunto de datos adecuado para el éxito del modelo. (es_PE)
Image recognition is an important task in the field of computer vision and by many researchers in recent years. With the emergence of deep learning, a breakthrough has been achieved in the development of image recognition models. The development and conceptual validation of image recognition models are important to ensure their effectiveness for the specific task for which they were designed. In development, system requirements are defined, relevant features are selected, and the appropriate architecture for the model is determined. Conceptual validation involves evaluation of the models with test data and comparison with other existing models in the field. In conclusion, development and conceptual validation are essential in the process of creating image recognition models. The combination of deep learning and specific image preprocessing techniques have enabled a breakthrough in this area and have proven to be very effective in the image recognition task. However, it is important to keep in mind the importance of an adequate data set for the success of the model. (es_PE)
Trabajo de investigaciòn (es_PE)
application/pdf (es_PE)
application/epub (es_PE)
application/msword (es_PE)
spa (es_PE)
Universidad Peruana de Ciencias Aplicadas (UPC) (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-sa/4.0/ (*)
Universidad Peruana de Ciencias Aplicadas (UPC) (es_PE)
Repositorio Académico - UPC (es_PE)
Aprendizaje profundo (es_PE)
Reconocimiento de especies (es_PE)
Redes neuronales convolucionales (es_PE)
Validación y técnicas en las CNN (es_PE)
Deep learning (es_PE)
Species recognition (es_PE)
Convolutional neural networks (es_PE)
Validation and techniques in CNN (es_PE)
Desarrollo y validación conceptual de modelos de reconocimiento de las especies usando deep learning (es_PE)
Development and Conceptual Validation of Image Recognition Models Using Deep Learning (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Peruana de Ciencias Aplicadas (UPC). División de Estudios Profesionales para Ejecutivos (EPE) (es_PE)
Ingeniería de Sistemas (es_PE)
Bachiller (es_PE)
Ingeniero de sistemas (es_PE)
PE (es_PE)
http://purl.org/pe-repo/ocde/ford#2.00.00 (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
División de Estudios Profesionales para Ejecutivos (EPE) (es_PE)
https://purl.org/pe-repo/renati/level#bachiller (es_PE)
https://orcid.org/0000-0001-6998-6769 (es_PE)
43338937 (es_PE)
76549520 (es_PE)
612076 (es_PE)
http://purl.org/pe-repo/renati/type#trabajoDeInvestigacion (es_PE)
Privada societaria



This item is licensed under a Creative Commons License Creative Commons