Redes Generativas Antagónicas y sus aplicaciones

Autores
Calcagni, Laura Randa
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
tesis de maestría
Estado
versión aceptada
Colaborador/a o director/a de tesis
Ronchetti, Franco
Descripción
En este trabajo se estudian las Redes Generativas Antagónicas (GANs) y sus aplicaciones a través de una extensa revisión de bibliografía teórica y de los últimos artículos científicos publicados sobre el tema. Se describen los modelos estadísticos generativos en contraposición con los discriminativos y se estudian las partes que componen las GANs, su entrena- miento y dificultades. Este trabajo contempla, además, la implementación de una Red Generativa Antagónica de Super-Resolución (SRGAN) mediante las librerías Keras y Tensorflow. Se utiliza para su entrenamiento el entorno Google Colaboratory, que permite la utilización de una GPU. En esta implementación se obtienen imágenes cualitativamente de alta calidad, que se pueden apreciar tanto utilizando como entrada imágenes del conjunto de prueba, como imágenes sin relación al conjunto de datos utilizado para entrenar la red.
In this project, Adversarial Generative Neural Networks (GANs) and their applications are studied through an extensive review of theoretical literature and the latest scientific papers published. Generative statistical models are described in opposition to discriminatory models. The different blocks that componse a GAN are studied, as well as their training and the difficulties it involves. This project also contemplates the implementation of a Super-Resolution Adversarial Generative Network (SRGAN) presented in [1], using the libraries Keras and Tensorflow. The Google Colaboratory environment is used for training the GAN, since the platform allows the use of a GPU NVIDIA Tesla K80. In this implementation, qualitatively high quality images are obtained, which can be appreciated both using as inputimages of the test set and images unrelated to the data set used to train the network.
Especialista en Inteligencia de Datos orientada a Big Data
Universidad Nacional de La Plata
Facultad de Informática
Materia
Ciencias Informáticas
GANs
SRGANs
Redes Generativas Antagónicas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/101507
Acceder
id SEDICI_63e2da19a949a2ea24ead3f16fdd791a
oai_identifier_str oai:sedici.unlp.edu.ar:10915/101507
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Redes Generativas Antagónicas y sus aplicacionesGenerative Adversarial Networks and applicationsCalcagni, Laura RandaCiencias InformáticasGANsSRGANsRedes Generativas AntagónicasEn este trabajo se estudian las Redes Generativas Antagónicas (GANs) y sus aplicaciones a través de una extensa revisión de bibliografía teórica y de los últimos artículos científicos publicados sobre el tema. Se describen los modelos estadísticos generativos en contraposición con los discriminativos y se estudian las partes que componen las GANs, su entrena- miento y dificultades. Este trabajo contempla, además, la implementación de una Red Generativa Antagónica de Super-Resolución (SRGAN) mediante las librerías Keras y Tensorflow. Se utiliza para su entrenamiento el entorno Google Colaboratory, que permite la utilización de una GPU. En esta implementación se obtienen imágenes cualitativamente de alta calidad, que se pueden apreciar tanto utilizando como entrada imágenes del conjunto de prueba, como imágenes sin relación al conjunto de datos utilizado para entrenar la red.In this project, Adversarial Generative Neural Networks (GANs) and their applications are studied through an extensive review of theoretical literature and the latest scientific papers published. Generative statistical models are described in opposition to discriminatory models. The different blocks that componse a GAN are studied, as well as their training and the difficulties it involves. This project also contemplates the implementation of a Super-Resolution Adversarial Generative Network (SRGAN) presented in [1], using the libraries Keras and Tensorflow. The Google Colaboratory environment is used for training the GAN, since the platform allows the use of a GPU NVIDIA Tesla K80. In this implementation, qualitatively high quality images are obtained, which can be appreciated both using as inputimages of the test set and images unrelated to the data set used to train the network.Especialista en Inteligencia de Datos orientada a Big DataUniversidad Nacional de La PlataFacultad de InformáticaRonchetti, Franco2020-07-17info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTrabajo de especializacionhttp://purl.org/coar/resource_type/c_bdccinfo:ar-repo/semantics/tesisDeMaestriaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/101507spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:22:03Zoai:sedici.unlp.edu.ar:10915/101507Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:22:04.18SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Redes Generativas Antagónicas y sus aplicaciones
Generative Adversarial Networks and applications
title Redes Generativas Antagónicas y sus aplicaciones
spellingShingle Redes Generativas Antagónicas y sus aplicaciones
Calcagni, Laura Randa
Ciencias Informáticas
GANs
SRGANs
Redes Generativas Antagónicas
title_short Redes Generativas Antagónicas y sus aplicaciones
title_full Redes Generativas Antagónicas y sus aplicaciones
title_fullStr Redes Generativas Antagónicas y sus aplicaciones
title_full_unstemmed Redes Generativas Antagónicas y sus aplicaciones
title_sort Redes Generativas Antagónicas y sus aplicaciones
dc.creator.none.fl_str_mv Calcagni, Laura Randa
author Calcagni, Laura Randa
author_facet Calcagni, Laura Randa
author_role author
dc.contributor.none.fl_str_mv Ronchetti, Franco
dc.subject.none.fl_str_mv Ciencias Informáticas
GANs
SRGANs
Redes Generativas Antagónicas
topic Ciencias Informáticas
GANs
SRGANs
Redes Generativas Antagónicas
dc.description.none.fl_txt_mv En este trabajo se estudian las Redes Generativas Antagónicas (GANs) y sus aplicaciones a través de una extensa revisión de bibliografía teórica y de los últimos artículos científicos publicados sobre el tema. Se describen los modelos estadísticos generativos en contraposición con los discriminativos y se estudian las partes que componen las GANs, su entrena- miento y dificultades. Este trabajo contempla, además, la implementación de una Red Generativa Antagónica de Super-Resolución (SRGAN) mediante las librerías Keras y Tensorflow. Se utiliza para su entrenamiento el entorno Google Colaboratory, que permite la utilización de una GPU. En esta implementación se obtienen imágenes cualitativamente de alta calidad, que se pueden apreciar tanto utilizando como entrada imágenes del conjunto de prueba, como imágenes sin relación al conjunto de datos utilizado para entrenar la red.
In this project, Adversarial Generative Neural Networks (GANs) and their applications are studied through an extensive review of theoretical literature and the latest scientific papers published. Generative statistical models are described in opposition to discriminatory models. The different blocks that componse a GAN are studied, as well as their training and the difficulties it involves. This project also contemplates the implementation of a Super-Resolution Adversarial Generative Network (SRGAN) presented in [1], using the libraries Keras and Tensorflow. The Google Colaboratory environment is used for training the GAN, since the platform allows the use of a GPU NVIDIA Tesla K80. In this implementation, qualitatively high quality images are obtained, which can be appreciated both using as inputimages of the test set and images unrelated to the data set used to train the network.
Especialista en Inteligencia de Datos orientada a Big Data
Universidad Nacional de La Plata
Facultad de Informática
description En este trabajo se estudian las Redes Generativas Antagónicas (GANs) y sus aplicaciones a través de una extensa revisión de bibliografía teórica y de los últimos artículos científicos publicados sobre el tema. Se describen los modelos estadísticos generativos en contraposición con los discriminativos y se estudian las partes que componen las GANs, su entrena- miento y dificultades. Este trabajo contempla, además, la implementación de una Red Generativa Antagónica de Super-Resolución (SRGAN) mediante las librerías Keras y Tensorflow. Se utiliza para su entrenamiento el entorno Google Colaboratory, que permite la utilización de una GPU. En esta implementación se obtienen imágenes cualitativamente de alta calidad, que se pueden apreciar tanto utilizando como entrada imágenes del conjunto de prueba, como imágenes sin relación al conjunto de datos utilizado para entrenar la red.
publishDate 2020
dc.date.none.fl_str_mv 2020-07-17
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/acceptedVersion
Trabajo de especializacion
http://purl.org/coar/resource_type/c_bdcc
info:ar-repo/semantics/tesisDeMaestria
format masterThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/101507
url http://sedici.unlp.edu.ar/handle/10915/101507
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616096308527104
score 13.070432

Publicaciones similares