Uso de características desacopladas en redes convolucionales para transferencias de estilo
Metadata
Show full item recordcomunitat-uji-handle:10234/158176
comunitat-uji-handle2:10234/71324
comunitat-uji-handle3:10234/97526
comunitat-uji-handle4:
TFG-TFMMetadata
Title
Uso de características desacopladas en redes convolucionales para transferencias de estiloAuthor (s)
Tutor/Supervisor; University.Department
Martínez García, Marina; Universitat Jaume I. Departament de MatemàtiquesDate
2022-07-18Publisher
Universitat Jaume IAbstract
Este documento corresponde al Trabajo Final de Grado del Grado en Matem´atica Computacional (asignatura MT1054), en ´el abordamos un problema pr´actico en el que se aplican los
diferentes conocimientos alcanzados ... [+]
Este documento corresponde al Trabajo Final de Grado del Grado en Matem´atica Computacional (asignatura MT1054), en ´el abordamos un problema pr´actico en el que se aplican los
diferentes conocimientos alcanzados durante los estudios del grado. Incluye tanto la fundamentaci´on te´orica de las t´ecnicas utilizadas como los resultados obtenidos.
El problema planteado se enmarca dentro de la aplicaci´on de las redes neuronales, en particular, redes neuronales convolucionales en el an´alisis y procesado de im´agenes digitales. El
objetivo planteado es el uso de caracter´ısticas desacopladas mediante gradientes ortogonales
para aumentar el poder descriptivo del estilo de una imagen.
Una red neuronal convolucional es una variaci´on de un perceptr´on multicapa, consiste en
m´ultiples capas de filtros convolucionales generalmente aplicados en matrices bidimensionales,
es por ello que han demostrado ser muy eficientes en la clasificaci´on, segmentaci´on y an´alisis de
im´agenes digitales.
El m´etodo de desacoplamiento de caracter´ısticas propuesto es el denominado desacoplamiento por normalizaci´on y est´a basado en definir transformaciones dentro de variedades, siguiendo
trayectorias a lo largo de los gradientes de las caracter´ısticas. Estas transformaciones permiten
definir una normalizaci´on que posibilita desacoplar caracter´ısticas diferenciables.
Se ha trabajado en concreto a partir una red CNN VGG-19, una red neuronal convolucional
que consta de 19 capas (16 capas de convoluci´on, 3 capas fully-connected, 5 capas max-pooling
y una capa soft max ) y los resultados obtenidos han sido satisfactorios. [-]
Subject
Description
Treball Final de Grau en Matemàtica Computacional. Codi: MT1054. Curs: 2021/2022
Type
info:eu-repo/semantics/bachelorThesisRights
info:eu-repo/semantics/openAccess