Visión por computadoras con aprendizaje profundo
- Autores
- Ronchetti, Franco; Quiroga, Facundo Manuel; Ríos, Gastón Gustavo; Dal Bianco, Pedro Alejandro; Ponte Ahón, Santiago Andrés; Stanchi, Oscar Agustín; Seery, Juan; Aidelman, Yael Judith; Gamen, Roberto Claudio; Abbate, Nicolás Francisco; Lanzarini, Laura Cristina; Hasperué, Waldo
- Año de publicación
- 2025
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Esta área de investigación se enfoca en el análisis y creación de sistemas y modelos basados en Deep Learning para abordar desafíos en el campo de la Visión por Computadora, integrando tanto métodos clásicos de Aprendizaje Automático, como enfoques avanzados de Aprendizaje Profundo mediante el uso de Redes Neuronales Convolucionales (CNNs) y arquitecturas basadas en Transformers. En este marco, los autores de este estudio implementan y adaptan dichas metodologías para resolver diversos problemas específicos: ● Interpretabilidad de modelos de Redes Neuronales, con énfasis en modelos post-hoc. ● Análisis y procesamiento de datos astronómicos, enfocados recuperación de en trabajos observación históricos. ● Estimación de ingreso per cápita utilizando imágenes satelitales.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Redes neuronales
Redes convolucionales
Redes recurrentes
Datos astronómicos
Imágenes satelitales
RISE
Interpretabilidad - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/183896
Ver los metadatos del registro completo
| id |
SEDICI_fb922c86473e59db921cae1ce6af60dd |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/183896 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Visión por computadoras con aprendizaje profundoRonchetti, FrancoQuiroga, Facundo ManuelRíos, Gastón GustavoDal Bianco, Pedro AlejandroPonte Ahón, Santiago AndrésStanchi, Oscar AgustínSeery, JuanAidelman, Yael JudithGamen, Roberto ClaudioAbbate, Nicolás FranciscoLanzarini, Laura CristinaHasperué, WaldoCiencias InformáticasRedes neuronalesRedes convolucionalesRedes recurrentesDatos astronómicosImágenes satelitalesRISEInterpretabilidadEsta área de investigación se enfoca en el análisis y creación de sistemas y modelos basados en Deep Learning para abordar desafíos en el campo de la Visión por Computadora, integrando tanto métodos clásicos de Aprendizaje Automático, como enfoques avanzados de Aprendizaje Profundo mediante el uso de Redes Neuronales Convolucionales (CNNs) y arquitecturas basadas en Transformers. En este marco, los autores de este estudio implementan y adaptan dichas metodologías para resolver diversos problemas específicos: ● Interpretabilidad de modelos de Redes Neuronales, con énfasis en modelos post-hoc. ● Análisis y procesamiento de datos astronómicos, enfocados recuperación de en trabajos observación históricos. ● Estimación de ingreso per cápita utilizando imágenes satelitales.Red de Universidades con Carreras en Informática2025-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf133-137http://sedici.unlp.edu.ar/handle/10915/183896spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-575-267-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/182261info: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:UNLP2025-10-15T11:42:03Zoai:sedici.unlp.edu.ar:10915/183896Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:42:03.811SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Visión por computadoras con aprendizaje profundo |
| title |
Visión por computadoras con aprendizaje profundo |
| spellingShingle |
Visión por computadoras con aprendizaje profundo Ronchetti, Franco Ciencias Informáticas Redes neuronales Redes convolucionales Redes recurrentes Datos astronómicos Imágenes satelitales RISE Interpretabilidad |
| title_short |
Visión por computadoras con aprendizaje profundo |
| title_full |
Visión por computadoras con aprendizaje profundo |
| title_fullStr |
Visión por computadoras con aprendizaje profundo |
| title_full_unstemmed |
Visión por computadoras con aprendizaje profundo |
| title_sort |
Visión por computadoras con aprendizaje profundo |
| dc.creator.none.fl_str_mv |
Ronchetti, Franco Quiroga, Facundo Manuel Ríos, Gastón Gustavo Dal Bianco, Pedro Alejandro Ponte Ahón, Santiago Andrés Stanchi, Oscar Agustín Seery, Juan Aidelman, Yael Judith Gamen, Roberto Claudio Abbate, Nicolás Francisco Lanzarini, Laura Cristina Hasperué, Waldo |
| author |
Ronchetti, Franco |
| author_facet |
Ronchetti, Franco Quiroga, Facundo Manuel Ríos, Gastón Gustavo Dal Bianco, Pedro Alejandro Ponte Ahón, Santiago Andrés Stanchi, Oscar Agustín Seery, Juan Aidelman, Yael Judith Gamen, Roberto Claudio Abbate, Nicolás Francisco Lanzarini, Laura Cristina Hasperué, Waldo |
| author_role |
author |
| author2 |
Quiroga, Facundo Manuel Ríos, Gastón Gustavo Dal Bianco, Pedro Alejandro Ponte Ahón, Santiago Andrés Stanchi, Oscar Agustín Seery, Juan Aidelman, Yael Judith Gamen, Roberto Claudio Abbate, Nicolás Francisco Lanzarini, Laura Cristina Hasperué, Waldo |
| author2_role |
author author author author author author author author author author author |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas Redes neuronales Redes convolucionales Redes recurrentes Datos astronómicos Imágenes satelitales RISE Interpretabilidad |
| topic |
Ciencias Informáticas Redes neuronales Redes convolucionales Redes recurrentes Datos astronómicos Imágenes satelitales RISE Interpretabilidad |
| dc.description.none.fl_txt_mv |
Esta área de investigación se enfoca en el análisis y creación de sistemas y modelos basados en Deep Learning para abordar desafíos en el campo de la Visión por Computadora, integrando tanto métodos clásicos de Aprendizaje Automático, como enfoques avanzados de Aprendizaje Profundo mediante el uso de Redes Neuronales Convolucionales (CNNs) y arquitecturas basadas en Transformers. En este marco, los autores de este estudio implementan y adaptan dichas metodologías para resolver diversos problemas específicos: ● Interpretabilidad de modelos de Redes Neuronales, con énfasis en modelos post-hoc. ● Análisis y procesamiento de datos astronómicos, enfocados recuperación de en trabajos observación históricos. ● Estimación de ingreso per cápita utilizando imágenes satelitales. Red de Universidades con Carreras en Informática |
| description |
Esta área de investigación se enfoca en el análisis y creación de sistemas y modelos basados en Deep Learning para abordar desafíos en el campo de la Visión por Computadora, integrando tanto métodos clásicos de Aprendizaje Automático, como enfoques avanzados de Aprendizaje Profundo mediante el uso de Redes Neuronales Convolucionales (CNNs) y arquitecturas basadas en Transformers. En este marco, los autores de este estudio implementan y adaptan dichas metodologías para resolver diversos problemas específicos: ● Interpretabilidad de modelos de Redes Neuronales, con énfasis en modelos post-hoc. ● Análisis y procesamiento de datos astronómicos, enfocados recuperación de en trabajos observación históricos. ● Estimación de ingreso per cápita utilizando imágenes satelitales. |
| publishDate |
2025 |
| dc.date.none.fl_str_mv |
2025-04 |
| 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/10915/183896 |
| url |
http://sedici.unlp.edu.ar/handle/10915/183896 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-575-267-2 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/182261 |
| 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 133-137 |
| 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_ |
1846064428294864896 |
| score |
13.22299 |