Mejorando la identificación de marcas de ganado vacuno: redes siamesas en el aprendizaje de funciones de distancia

Autores
Stauber, Federico; Planas, Adrián; Pascal, Andrés
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Las Búsquedas por Similitud son importantes en diversas aplicaciones, incluyendo la identificación de marcas de ganado vacuno para el registro ganadero. Para calcular la similitud entre estas marcas, se utilizan funciones de distancia que miden dicha similitud en base a sus características, o en forma directa a partir de las imágenes correspondientes. En esta última década, las Redes Neuronales Profundas Convolucionales (CNN) han alcanzado muy buena performance en el procesamiento de imágenes. En este artículo se propone un método de preprocesamiento, aumentación de datos y modelos de CNN para aprender una función de distancia en un escenario de One-Shot learning utilizando una arquitectura de Redes Siamesas como mecanismo de entrenamiento.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Búsquedas por Similitud
Marcas de Ganado
Metric Learning
CNNs
Redes Siamesas
One-Shot Learning
Aumentación
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:10915/164829
Acceder
id SEDICI_d3b4c4b1a01b22bf45909e4c5d28ba3c
oai_identifier_str oai:sedici.unlp.edu.ar:10915/164829
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Mejorando la identificación de marcas de ganado vacuno: redes siamesas en el aprendizaje de funciones de distanciaStauber, FedericoPlanas, AdriánPascal, AndrésCiencias InformáticasBúsquedas por SimilitudMarcas de GanadoMetric LearningCNNsRedes SiamesasOne-Shot LearningAumentaciónLas Búsquedas por Similitud son importantes en diversas aplicaciones, incluyendo la identificación de marcas de ganado vacuno para el registro ganadero. Para calcular la similitud entre estas marcas, se utilizan funciones de distancia que miden dicha similitud en base a sus características, o en forma directa a partir de las imágenes correspondientes. En esta última década, las Redes Neuronales Profundas Convolucionales (CNN) han alcanzado muy buena performance en el procesamiento de imágenes. En este artículo se propone un método de preprocesamiento, aumentación de datos y modelos de CNN para aprender una función de distancia en un escenario de One-Shot learning utilizando una arquitectura de Redes Siamesas como mecanismo de entrenamiento.Red de Universidades con Carreras en Informática2023-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf27-37http://sedici.unlp.edu.ar/handle/10915/164829spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-9285-51-0info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/163107info: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:UNLP2025-09-03T11:15:36Zoai:sedici.unlp.edu.ar:10915/164829Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:15:36.366SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Mejorando la identificación de marcas de ganado vacuno: redes siamesas en el aprendizaje de funciones de distancia
title Mejorando la identificación de marcas de ganado vacuno: redes siamesas en el aprendizaje de funciones de distancia
spellingShingle Mejorando la identificación de marcas de ganado vacuno: redes siamesas en el aprendizaje de funciones de distancia
Stauber, Federico
Ciencias Informáticas
Búsquedas por Similitud
Marcas de Ganado
Metric Learning
CNNs
Redes Siamesas
One-Shot Learning
Aumentación
title_short Mejorando la identificación de marcas de ganado vacuno: redes siamesas en el aprendizaje de funciones de distancia
title_full Mejorando la identificación de marcas de ganado vacuno: redes siamesas en el aprendizaje de funciones de distancia
title_fullStr Mejorando la identificación de marcas de ganado vacuno: redes siamesas en el aprendizaje de funciones de distancia
title_full_unstemmed Mejorando la identificación de marcas de ganado vacuno: redes siamesas en el aprendizaje de funciones de distancia
title_sort Mejorando la identificación de marcas de ganado vacuno: redes siamesas en el aprendizaje de funciones de distancia
dc.creator.none.fl_str_mv Stauber, Federico
Planas, Adrián
Pascal, Andrés
author Stauber, Federico
author_facet Stauber, Federico
Planas, Adrián
Pascal, Andrés
author_role author
author2 Planas, Adrián
Pascal, Andrés
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Búsquedas por Similitud
Marcas de Ganado
Metric Learning
CNNs
Redes Siamesas
One-Shot Learning
Aumentación
topic Ciencias Informáticas
Búsquedas por Similitud
Marcas de Ganado
Metric Learning
CNNs
Redes Siamesas
One-Shot Learning
Aumentación
dc.description.none.fl_txt_mv Las Búsquedas por Similitud son importantes en diversas aplicaciones, incluyendo la identificación de marcas de ganado vacuno para el registro ganadero. Para calcular la similitud entre estas marcas, se utilizan funciones de distancia que miden dicha similitud en base a sus características, o en forma directa a partir de las imágenes correspondientes. En esta última década, las Redes Neuronales Profundas Convolucionales (CNN) han alcanzado muy buena performance en el procesamiento de imágenes. En este artículo se propone un método de preprocesamiento, aumentación de datos y modelos de CNN para aprender una función de distancia en un escenario de One-Shot learning utilizando una arquitectura de Redes Siamesas como mecanismo de entrenamiento.
Red de Universidades con Carreras en Informática
description Las Búsquedas por Similitud son importantes en diversas aplicaciones, incluyendo la identificación de marcas de ganado vacuno para el registro ganadero. Para calcular la similitud entre estas marcas, se utilizan funciones de distancia que miden dicha similitud en base a sus características, o en forma directa a partir de las imágenes correspondientes. En esta última década, las Redes Neuronales Profundas Convolucionales (CNN) han alcanzado muy buena performance en el procesamiento de imágenes. En este artículo se propone un método de preprocesamiento, aumentación de datos y modelos de CNN para aprender una función de distancia en un escenario de One-Shot learning utilizando una arquitectura de Redes Siamesas como mecanismo de entrenamiento.
publishDate 2023
dc.date.none.fl_str_mv 2023-10
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/10915/164829
url http://sedici.unlp.edu.ar/handle/10915/164829
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-9285-51-0
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/163107
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
27-37
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_ 1842260660554039296
score 13.13397

Publicaciones similares