Variantes de vectores de Fisher para la clasificación de imágenes de lesiones de piel mediante redes neuronales profundas residuales

Autores
Salto, Cristian Luciano; Acevedo, Daniel
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El presente trabajo investiga alternativas al problema de clasificación de imágenes dermatoscópicas utilizando redes neuronales residuales (ResNet) y codificando los descriptores de la misma con Vectores de Fisher. En primer lugar se realizó el reentrenamiento de un clasificador ResNet-50. Luego se aplicaron Vectores de Fisher a partir de los descriptores de distintas muestras de una imagen. Otra alternativa investigada fue generar vectores de Fisher sobre la base de los descriptores obtenidos como salida del quinto bloque convolucional de la red ResNet- 50. Finalmente se realizó un ensamble de las aplicaciones de vectores de Fisher logrando resultados acorde a lo desarrollado en otros trabajos.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
ResNet
Vectores de Fisher
Imágenes dermatológicas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/141289
Acceder
id SEDICI_a484d3a748cf2e5a26b4c4860d1a1aed
oai_identifier_str oai:sedici.unlp.edu.ar:10915/141289
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Variantes de vectores de Fisher para la clasificación de imágenes de lesiones de piel mediante redes neuronales profundas residualesSalto, Cristian LucianoAcevedo, DanielCiencias InformáticasResNetVectores de FisherImágenes dermatológicasEl presente trabajo investiga alternativas al problema de clasificación de imágenes dermatoscópicas utilizando redes neuronales residuales (ResNet) y codificando los descriptores de la misma con Vectores de Fisher. En primer lugar se realizó el reentrenamiento de un clasificador ResNet-50. Luego se aplicaron Vectores de Fisher a partir de los descriptores de distintas muestras de una imagen. Otra alternativa investigada fue generar vectores de Fisher sobre la base de los descriptores obtenidos como salida del quinto bloque convolucional de la red ResNet- 50. Finalmente se realizó un ensamble de las aplicaciones de vectores de Fisher logrando resultados acorde a lo desarrollado en otros trabajos.Sociedad Argentina de Informática e Investigación Operativa2021-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf31-35http://sedici.unlp.edu.ar/handle/10915/141289spainfo:eu-repo/semantics/altIdentifier/url/http://50jaiio.sadio.org.ar/pdfs/saiv/SAIV-07.pdfinfo:eu-repo/semantics/altIdentifier/issn/2683-8990info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/3.0/Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:27:45Zoai:sedici.unlp.edu.ar:10915/141289Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:27:45.552SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Variantes de vectores de Fisher para la clasificación de imágenes de lesiones de piel mediante redes neuronales profundas residuales
title Variantes de vectores de Fisher para la clasificación de imágenes de lesiones de piel mediante redes neuronales profundas residuales
spellingShingle Variantes de vectores de Fisher para la clasificación de imágenes de lesiones de piel mediante redes neuronales profundas residuales
Salto, Cristian Luciano
Ciencias Informáticas
ResNet
Vectores de Fisher
Imágenes dermatológicas
title_short Variantes de vectores de Fisher para la clasificación de imágenes de lesiones de piel mediante redes neuronales profundas residuales
title_full Variantes de vectores de Fisher para la clasificación de imágenes de lesiones de piel mediante redes neuronales profundas residuales
title_fullStr Variantes de vectores de Fisher para la clasificación de imágenes de lesiones de piel mediante redes neuronales profundas residuales
title_full_unstemmed Variantes de vectores de Fisher para la clasificación de imágenes de lesiones de piel mediante redes neuronales profundas residuales
title_sort Variantes de vectores de Fisher para la clasificación de imágenes de lesiones de piel mediante redes neuronales profundas residuales
dc.creator.none.fl_str_mv Salto, Cristian Luciano
Acevedo, Daniel
author Salto, Cristian Luciano
author_facet Salto, Cristian Luciano
Acevedo, Daniel
author_role author
author2 Acevedo, Daniel
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
ResNet
Vectores de Fisher
Imágenes dermatológicas
topic Ciencias Informáticas
ResNet
Vectores de Fisher
Imágenes dermatológicas
dc.description.none.fl_txt_mv El presente trabajo investiga alternativas al problema de clasificación de imágenes dermatoscópicas utilizando redes neuronales residuales (ResNet) y codificando los descriptores de la misma con Vectores de Fisher. En primer lugar se realizó el reentrenamiento de un clasificador ResNet-50. Luego se aplicaron Vectores de Fisher a partir de los descriptores de distintas muestras de una imagen. Otra alternativa investigada fue generar vectores de Fisher sobre la base de los descriptores obtenidos como salida del quinto bloque convolucional de la red ResNet- 50. Finalmente se realizó un ensamble de las aplicaciones de vectores de Fisher logrando resultados acorde a lo desarrollado en otros trabajos.
Sociedad Argentina de Informática e Investigación Operativa
description El presente trabajo investiga alternativas al problema de clasificación de imágenes dermatoscópicas utilizando redes neuronales residuales (ResNet) y codificando los descriptores de la misma con Vectores de Fisher. En primer lugar se realizó el reentrenamiento de un clasificador ResNet-50. Luego se aplicaron Vectores de Fisher a partir de los descriptores de distintas muestras de una imagen. Otra alternativa investigada fue generar vectores de Fisher sobre la base de los descriptores obtenidos como salida del quinto bloque convolucional de la red ResNet- 50. Finalmente se realizó un ensamble de las aplicaciones de vectores de Fisher logrando resultados acorde a lo desarrollado en otros trabajos.
publishDate 2021
dc.date.none.fl_str_mv 2021-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/141289
url http://sedici.unlp.edu.ar/handle/10915/141289
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://50jaiio.sadio.org.ar/pdfs/saiv/SAIV-07.pdf
info:eu-repo/semantics/altIdentifier/issn/2683-8990
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
dc.format.none.fl_str_mv application/pdf
31-35
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_ 1846064323137372160
score 13.22299

Publicaciones similares