Redes GANs como técnica de data augmentation para el reconocimiento de lengua de señas
- Autores
- Gaggiotti, William
- Año de publicación
- 2021
- Idioma
- español castellano
- Tipo de recurso
- tesis de grado
- Estado
- versión aceptada
- Colaborador/a o director/a de tesis
- Ronchetti, Franco
- Descripción
- En los últimos años las Redes Generativas Adversas han sido un tema de vanguardia dentro del campo del Aprendizaje Profundo. Por otra parte, es de común conocimiento que la cantidad de conjuntos de datos disponibles hoy en día no ha alcanzado todas las problemáticas existentes. En esta tesis se explora el uso de GANs para la generación de imágenes sintéticas de la lengua de señas en los dataset LSA16 y ASL Finger Spelling. Posteriormente se utilizan las mismas para realizar data augmentation con el fin aumentar la precisión en la clasificación de señas estáticas, logrando una mejora del ~2% para el conjunto de datos LSA16 y ~4% para el conjunto de datos de ASL Finger Spelling. Estos resultados se obtuvieron con el uso de BigGAN, el modelo GAN que logró generar las imágenes de más alta fidelidad a la vez que mantuvo una gran diversidad en sus muestras.
Licenciado en Informática
Universidad Nacional de La Plata
Facultad de Informática - Materia
-
Ciencias Informáticas
Tesina de grado
Aprendizaje Profundo
Redes Generativas Adversarias
Reconocimiento de gestos
Data augmentation - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/129860
Ver los metadatos del registro completo
id |
SEDICI_ad3139d81892241e550482fb213e3753 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/129860 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Redes GANs como técnica de data augmentation para el reconocimiento de lengua de señasGaggiotti, WilliamCiencias InformáticasTesina de gradoAprendizaje ProfundoRedes Generativas AdversariasReconocimiento de gestosData augmentationEn los últimos años las Redes Generativas Adversas han sido un tema de vanguardia dentro del campo del Aprendizaje Profundo. Por otra parte, es de común conocimiento que la cantidad de conjuntos de datos disponibles hoy en día no ha alcanzado todas las problemáticas existentes. En esta tesis se explora el uso de GANs para la generación de imágenes sintéticas de la lengua de señas en los dataset LSA16 y ASL Finger Spelling. Posteriormente se utilizan las mismas para realizar data augmentation con el fin aumentar la precisión en la clasificación de señas estáticas, logrando una mejora del ~2% para el conjunto de datos LSA16 y ~4% para el conjunto de datos de ASL Finger Spelling. Estos resultados se obtuvieron con el uso de BigGAN, el modelo GAN que logró generar las imágenes de más alta fidelidad a la vez que mantuvo una gran diversidad en sus muestras.Licenciado en InformáticaUniversidad Nacional de La PlataFacultad de InformáticaRonchetti, Franco2021-12-15info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/129860spainfo: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:UNLP2025-09-29T11:31:38Zoai:sedici.unlp.edu.ar:10915/129860Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:31:38.593SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Redes GANs como técnica de data augmentation para el reconocimiento de lengua de señas |
title |
Redes GANs como técnica de data augmentation para el reconocimiento de lengua de señas |
spellingShingle |
Redes GANs como técnica de data augmentation para el reconocimiento de lengua de señas Gaggiotti, William Ciencias Informáticas Tesina de grado Aprendizaje Profundo Redes Generativas Adversarias Reconocimiento de gestos Data augmentation |
title_short |
Redes GANs como técnica de data augmentation para el reconocimiento de lengua de señas |
title_full |
Redes GANs como técnica de data augmentation para el reconocimiento de lengua de señas |
title_fullStr |
Redes GANs como técnica de data augmentation para el reconocimiento de lengua de señas |
title_full_unstemmed |
Redes GANs como técnica de data augmentation para el reconocimiento de lengua de señas |
title_sort |
Redes GANs como técnica de data augmentation para el reconocimiento de lengua de señas |
dc.creator.none.fl_str_mv |
Gaggiotti, William |
author |
Gaggiotti, William |
author_facet |
Gaggiotti, William |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ronchetti, Franco |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Tesina de grado Aprendizaje Profundo Redes Generativas Adversarias Reconocimiento de gestos Data augmentation |
topic |
Ciencias Informáticas Tesina de grado Aprendizaje Profundo Redes Generativas Adversarias Reconocimiento de gestos Data augmentation |
dc.description.none.fl_txt_mv |
En los últimos años las Redes Generativas Adversas han sido un tema de vanguardia dentro del campo del Aprendizaje Profundo. Por otra parte, es de común conocimiento que la cantidad de conjuntos de datos disponibles hoy en día no ha alcanzado todas las problemáticas existentes. En esta tesis se explora el uso de GANs para la generación de imágenes sintéticas de la lengua de señas en los dataset LSA16 y ASL Finger Spelling. Posteriormente se utilizan las mismas para realizar data augmentation con el fin aumentar la precisión en la clasificación de señas estáticas, logrando una mejora del ~2% para el conjunto de datos LSA16 y ~4% para el conjunto de datos de ASL Finger Spelling. Estos resultados se obtuvieron con el uso de BigGAN, el modelo GAN que logró generar las imágenes de más alta fidelidad a la vez que mantuvo una gran diversidad en sus muestras. Licenciado en Informática Universidad Nacional de La Plata Facultad de Informática |
description |
En los últimos años las Redes Generativas Adversas han sido un tema de vanguardia dentro del campo del Aprendizaje Profundo. Por otra parte, es de común conocimiento que la cantidad de conjuntos de datos disponibles hoy en día no ha alcanzado todas las problemáticas existentes. En esta tesis se explora el uso de GANs para la generación de imágenes sintéticas de la lengua de señas en los dataset LSA16 y ASL Finger Spelling. Posteriormente se utilizan las mismas para realizar data augmentation con el fin aumentar la precisión en la clasificación de señas estáticas, logrando una mejora del ~2% para el conjunto de datos LSA16 y ~4% para el conjunto de datos de ASL Finger Spelling. Estos resultados se obtuvieron con el uso de BigGAN, el modelo GAN que logró generar las imágenes de más alta fidelidad a la vez que mantuvo una gran diversidad en sus muestras. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-12-15 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion Tesis de grado http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
format |
bachelorThesis |
status_str |
acceptedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/129860 |
url |
http://sedici.unlp.edu.ar/handle/10915/129860 |
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_ |
1844616196340580352 |
score |
13.070432 |