Look-up in Google Scholar
Full metadata record
Samillan Ayala, Alberto Enrique
Roque Terrones, Bebsy
2020-02-24T16:03:58Z
2020-02-24T16:03:58Z
2020-02-24T16:03:58Z
2020-02-24T16:03:58Z
2020
https://hdl.handle.net/20.500.12802/6730
En los últimos años, el estudio de técnicas para el reconocimiento de texto sea por carácter o palabras han ido creciendo, al igual que las publicidades que usan palabras, frases o imágenes al mismo tiempo con significado publicitario, estas publicidades lo vemos incluso en cualquier página web o correos electrónicos. La presente revisión bibliográfica científica tiene como objetivo la recopilación de las diferentes técnicas de reconocimiento de texto sea por imágenes de texto publicitarios en web, imágenes tomadas por cámaras o por otros campos de investigación. Trabajos anteriores desarrollaron diferentes técnicas de reconocimiento de textos en imágenes como Reconocimiento Óptico de Caracteres (OCR), en la cual solo utilizaron técnicas para el reconocimiento de texto teniendo algunas complicaciones en donde los resultados no eran satisfactorias y consumía muchos recursos ya sea la memoria de la CPU; otros investigadores aportaron técnicas de reconocimiento de imágenes en texto en donde obtuvieron casi resultados satisfactorios, sin embargo el estudio algunos investigadores decidieron en combinar estas técnicas con diferentes clasificadores de inteligencia artificial y Deep Learning como es redes neuronales donde observaron que los resultados eran satisfactorios en el campo que se estudiaba, otra técnica es el Espacio de características para el reconocimiento de imágenes con proyección de imágenes utilizando un Preprocesamiento de imágenes y un clasificador Bayer para la detección en sola las áreas de imágenes en rostro humano y texto a la vez encontraron que los espacios de características diseñados mejoran el reconocimiento de precisión y eficiencia; también se optó por otras técnicas para obtener nuevas características de nitidez para la clasificación del tipo de imagen basada en información textual utilizaron Canny edge utilizando espacios de color H,S y I y un clasificador Máquina de Soporte de Vectores (SVM); sin embargo otros artículos hablan en técnicas mediante el análisis de todo el contenido, es decir la imagen y Texto, procesándolo a través de clasificadores independientes usando Redes neuronales convolucionales (CNN) . Esta revisión bibliográfica científica permite ofrecer los aportes de las diferentes técnicas de reconocimiento de texto en imágenes sea publicitarias en web, digitales o en otros campos. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Señor de Sipán (es_PE)
Atribución-NoComercial-SinDerivadas 2.5 Perú (*)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ (*)
Repositorio Institucional - USS (es_PE)
Repositorio Institucional USS (es_PE)
Reconocimiento de Imágenes (es_PE)
Redes Neuronales Convolucionales (es_PE)
Reconocimiento Óptico de Caracteres (es_PE)
Imágenes de Texto Publicitario Web (es_PE)
Aprendizaje Profundo (es_PE)
Procesamiento de Texto (es_PE)
Revisión bibliográfica de técnicas para el reconocimiento de textos publicitarios en imágenes de páginas web. (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y Urbanismo (es_PE)
Ingeniería de Sistemas (es_PE)
Ingeniero de Sistemas (es_PE)
PE (es_PE)
http://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
http://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
612076 (es_PE)
http://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada societaria



This item is licensed under a Creative Commons License Creative Commons