Look-up in Google Scholar
Full metadata record
Sotomayor Alzamora, Guina Guadalupe (es_PE)
Bermejo Escobar, Danitza Yvette (es_PE)
2022-04-22T11:02:55Z
2022-04-22T11:02:55Z
2022-04-22T11:02:55Z
2022-04-22T11:02:55Z
2021-11-16
http://repositorio.unap.edu.pe/handle/20.500.14082/18344
Actualmente, el uso de técnicas de aprendizaje profundo en la clasificación de especies se ha convertido en un área atractivo de investigación. Asimismo, la clasificación de especies forestales maderables en el Perú fue determinada como un problema crítico-prioritario por las autoridades forestales, debido al impacto negativo que lleva una incorrecta clasificación sobre los intereses nacionales. La presente investigación se centró en la comparación de los modelos de aprendizaje por transferencia: AlexNet, VGG-19, Inception V3 y ResNet-101, redes neuronales convolucionales pre-entrenadas para la clasificación de especies. Para ello, se presentó el conjunto de datos denominado Peruvian Amazon Forestry Dataset, conformado por 59,441 imágenes pertenecientes a 10 especies forestales maderables de la Amazonia peruana en peligro de extinción y con importancia económica. Para los experimentos se usaron dos tipos de datos de entrada (imágenes segmentadas e imágenes no segmentadas). Los modelos fueron evaluados cuantitativa (exactitud, precisión, exhaustividad y valor-F1) y cualitativamente (interpretabilidad visual). Los resultados presentan valores significativos para la red VGG-19 al utilizar entradas no segmentadas, alcanzando un 97.61% de exactitud en el entrenamiento, 98.87% en la validación, y una exactitud del 97.02% en el test. Además, gracias a la interpretabilidad, se observó que VGG-19 clasifica a partir de la forma y la vena de la hoja. Por último, es posible concluir que el modelo VGG-19 es una herramienta útil para que especialistas y materos para clasificar especies forestales maderables en tiempo real. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional del Altiplano. Repositorio Institucional (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by/4.0/deed.es (es_PE)
Repositorio Institucional - UNAP (es_PE)
Universidad Nacional del Altiplano (es_PE)
Amazonia peruana (es_PE)
Clasificación de imágenes (es_PE)
Especies forestales maderables (es_PE)
Redes neuronales convolucionales (es_PE)
Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana (es_PE)
info:eu-repo/semantics/masterThesis (es_PE)
Universidad Nacional del Altiplano. Escuela de Posgrado (es_PE)
Ingeniería de Sistemas (es_PE)
Maestría (es_PE)
Maestro en Ingeniería de Sistemas (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
https://purl.org/pe-repo/renati/nivel#maestro (es_PE)
40308192
https://orcid.org/0000-0002-0216-5947 (es_PE)
70311819
612087 (es_PE)
Condori Alejo, Henry Ivan (es_PE)
Jimenez Chura, Adolfo Carlos (es_PE)
Flores Velasquez, Edelfre (es_PE)
https://purl.org/pe-repo/renati/type#tesis (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons