Mostrar el registro sencillo del ítem
Uso de características desacopladas en redes convolucionales para transferencias de estilo
dc.contributor.author | Miralles Simó, Paula | |
dc.contributor.other | Martínez García, Marina | |
dc.contributor.other | Universitat Jaume I. Departament de Matemàtiques | |
dc.date.accessioned | 2023-03-21T11:55:09Z | |
dc.date.available | 2023-03-21T11:55:09Z | |
dc.date.issued | 2022-07-18 | |
dc.identifier.uri | http://hdl.handle.net/10234/202012 | |
dc.description | Treball Final de Grau en Matemàtica Computacional. Codi: MT1054. Curs: 2021/2022 | ca_CA |
dc.description.abstract | 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. | ca_CA |
dc.format.extent | 67 p. | ca_CA |
dc.format.mimetype | application/pdf | ca_CA |
dc.language.iso | spa | ca_CA |
dc.publisher | Universitat Jaume I | ca_CA |
dc.rights.uri | http://creativecommons.org/licenses/by-sa/4.0/ | ca_CA |
dc.subject | Grau en Matemàtica Computacional | ca_CA |
dc.subject | Grado en Matemática Computacional | ca_CA |
dc.subject | Bachelor's Degree in Computational Mathematics | ca_CA |
dc.subject | desacoplamiento | ca_CA |
dc.subject | característica | ca_CA |
dc.subject | style transfer | ca_CA |
dc.subject | redes neuronales | ca_CA |
dc.subject | aprendizaje profundo | ca_CA |
dc.subject | decoupling features | ca_CA |
dc.subject | neural networks | ca_CA |
dc.subject | deep learning | ca_CA |
dc.title | Uso de características desacopladas en redes convolucionales para transferencias de estilo | ca_CA |
dc.type | info:eu-repo/semantics/bachelorThesis | ca_CA |
dc.educationLevel | Estudios de Grado | ca_CA |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | ca_CA |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Grau en Matemàtica Computacional [99]
MT1030; MT1054