Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronales

Autores
Britch, Camila
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión publicada
Colaborador/a o director/a de tesis
Tamarit, Francisco Antonio
Descripción
Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2023.
Fil: Britch, Camila. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
En este trabajo se aborda el problema de diseñar diferentes redes neuronales con aprendizaje supervisado para el reconocimiento de ángulos de rotación en imágenes. Dicho trabajo se aborda no solo por su valor dentro de la inteligencia artificial, sino también por su gran relación con el aspecto biológico del cerebro de mamíferos, en particular del área de reconocimiento de imágenes visuales en el córtex visual o sector V1 y la correspondiente formación de patrones de reconocimiento de orientaciones en ella, llamados "mapas de preferencia orientacional''. En particular, se trabaja con tres modelos diferentes de redes neuronales convolucionales: de clasificación, regresión y de reconstrucción de la imagen de entrada. Si bien la tarea de reconocer ángulos de rotación para su posterior utilización para enderezar la imagen no es novedoso, en este trabajo se diseña una red Auto-encoder para unificar estos dos pasos en una única red. Es decir, la tarea específica de dicha red es extraer las características esenciales tanto de la imagen como de su rotación para ser capaz de reconstruirla de forma enderezada a la salida.
This thesis deals with the problem of designing different neural networks with supervised learning for the recognition of angles of rotation in images. This topic is addressed not only for its importance within artificial intelligence, but also for its great relationship with the biological aspect of the mammalian brain, particularly the visual image recognition area, the "V1" visual cortex, and pattern formation recognition of orientations in it, called "maps of orientational preference''. In particular, we work with three different models of convolutional neural networks: classification, regression and reconstruction of the input image. Although the task of recognizing rotation angles for their later use to straighten the image is not new, in this work an Auto-encoder network is designed to unify these two steps in a single network. That is, the specific task of said network is to extract the essential characteristics of both the image and its rotation in order to be able to reconstruct it in a straightened way at the output.
Fil: Britch, Camila. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Materia
Inteligencia artificial
Redes neuronales
Convolucionales
Aprendizaje supervisado
Autoencoder
Ángulos de rotación
Artificial intelligence
Neuronal networks
Biological networks
Learning
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/547002

id RDUUNC_c2cd13d9243820a76887a5c724a1087f
oai_identifier_str oai:rdu.unc.edu.ar:11086/547002
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronalesBritch, CamilaInteligencia artificialRedes neuronalesConvolucionalesAprendizaje supervisadoAutoencoderÁngulos de rotaciónArtificial intelligenceNeuronal networksBiological networksLearningTesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2023.Fil: Britch, Camila. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.En este trabajo se aborda el problema de diseñar diferentes redes neuronales con aprendizaje supervisado para el reconocimiento de ángulos de rotación en imágenes. Dicho trabajo se aborda no solo por su valor dentro de la inteligencia artificial, sino también por su gran relación con el aspecto biológico del cerebro de mamíferos, en particular del área de reconocimiento de imágenes visuales en el córtex visual o sector V1 y la correspondiente formación de patrones de reconocimiento de orientaciones en ella, llamados "mapas de preferencia orientacional''. En particular, se trabaja con tres modelos diferentes de redes neuronales convolucionales: de clasificación, regresión y de reconstrucción de la imagen de entrada. Si bien la tarea de reconocer ángulos de rotación para su posterior utilización para enderezar la imagen no es novedoso, en este trabajo se diseña una red Auto-encoder para unificar estos dos pasos en una única red. Es decir, la tarea específica de dicha red es extraer las características esenciales tanto de la imagen como de su rotación para ser capaz de reconstruirla de forma enderezada a la salida.This thesis deals with the problem of designing different neural networks with supervised learning for the recognition of angles of rotation in images. This topic is addressed not only for its importance within artificial intelligence, but also for its great relationship with the biological aspect of the mammalian brain, particularly the visual image recognition area, the "V1" visual cortex, and pattern formation recognition of orientations in it, called "maps of orientational preference''. In particular, we work with three different models of convolutional neural networks: classification, regression and reconstruction of the input image. Although the task of recognizing rotation angles for their later use to straighten the image is not new, in this work an Auto-encoder network is designed to unify these two steps in a single network. That is, the specific task of said network is to extract the essential characteristics of both the image and its rotation in order to be able to reconstruct it in a straightened way at the output.Fil: Britch, Camila. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.Tamarit, Francisco Antonio2023info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://hdl.handle.net/11086/547002spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-04T12:32:31Zoai:rdu.unc.edu.ar:11086/547002Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-04 12:32:32.041Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronales
title Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronales
spellingShingle Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronales
Britch, Camila
Inteligencia artificial
Redes neuronales
Convolucionales
Aprendizaje supervisado
Autoencoder
Ángulos de rotación
Artificial intelligence
Neuronal networks
Biological networks
Learning
title_short Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronales
title_full Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronales
title_fullStr Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronales
title_full_unstemmed Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronales
title_sort Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronales
dc.creator.none.fl_str_mv Britch, Camila
author Britch, Camila
author_facet Britch, Camila
author_role author
dc.contributor.none.fl_str_mv Tamarit, Francisco Antonio
dc.subject.none.fl_str_mv Inteligencia artificial
Redes neuronales
Convolucionales
Aprendizaje supervisado
Autoencoder
Ángulos de rotación
Artificial intelligence
Neuronal networks
Biological networks
Learning
topic Inteligencia artificial
Redes neuronales
Convolucionales
Aprendizaje supervisado
Autoencoder
Ángulos de rotación
Artificial intelligence
Neuronal networks
Biological networks
Learning
dc.description.none.fl_txt_mv Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2023.
Fil: Britch, Camila. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
En este trabajo se aborda el problema de diseñar diferentes redes neuronales con aprendizaje supervisado para el reconocimiento de ángulos de rotación en imágenes. Dicho trabajo se aborda no solo por su valor dentro de la inteligencia artificial, sino también por su gran relación con el aspecto biológico del cerebro de mamíferos, en particular del área de reconocimiento de imágenes visuales en el córtex visual o sector V1 y la correspondiente formación de patrones de reconocimiento de orientaciones en ella, llamados "mapas de preferencia orientacional''. En particular, se trabaja con tres modelos diferentes de redes neuronales convolucionales: de clasificación, regresión y de reconstrucción de la imagen de entrada. Si bien la tarea de reconocer ángulos de rotación para su posterior utilización para enderezar la imagen no es novedoso, en este trabajo se diseña una red Auto-encoder para unificar estos dos pasos en una única red. Es decir, la tarea específica de dicha red es extraer las características esenciales tanto de la imagen como de su rotación para ser capaz de reconstruirla de forma enderezada a la salida.
This thesis deals with the problem of designing different neural networks with supervised learning for the recognition of angles of rotation in images. This topic is addressed not only for its importance within artificial intelligence, but also for its great relationship with the biological aspect of the mammalian brain, particularly the visual image recognition area, the "V1" visual cortex, and pattern formation recognition of orientations in it, called "maps of orientational preference''. In particular, we work with three different models of convolutional neural networks: classification, regression and reconstruction of the input image. Although the task of recognizing rotation angles for their later use to straighten the image is not new, in this work an Auto-encoder network is designed to unify these two steps in a single network. That is, the specific task of said network is to extract the essential characteristics of both the image and its rotation in order to be able to reconstruct it in a straightened way at the output.
Fil: Britch, Camila. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
description Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/547002
url http://hdl.handle.net/11086/547002
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1842349642787848192
score 13.13397