Clasificación de Imágenes Urbanas Aéreas: Comparación entre Descriptores de Bajo Nivel y Aprendizaje Profundo

En este artículo se presenta una comparación entre diferentes algoritmos de descripción de texturas de bajo nivel acoplados con una máquina de soporte vectorial versus el algoritmo de aprendizaje profundo, en la tarea de reconocimiento y clasificación de imágenes aéreas. Para dicha tarea, una base d...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Arista-Jalife,Antonio, Calderón-Auza,Gustavo, Fierro-Radilla,Atoany, Nakano,Mariko
Lenguaje:	Spanish / Castilian
Publicado:	Centro de Información Tecnológica 2017
Materias:	aprendizaje profundo máquina de soporte vectorial imágenes aéreas descriptores de texturas base de datos
Acceso en línea:	http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642017000300021
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:scielo:S0718-07642017000300021
record_format	dspace
spelling	oai:scielo:S0718-076420170003000212017-06-06Clasificación de Imágenes Urbanas Aéreas: Comparación entre Descriptores de Bajo Nivel y Aprendizaje ProfundoArista-Jalife,AntonioCalderón-Auza,GustavoFierro-Radilla,AtoanyNakano,Mariko aprendizaje profundo máquina de soporte vectorial imágenes aéreas descriptores de texturas base de datos En este artículo se presenta una comparación entre diferentes algoritmos de descripción de texturas de bajo nivel acoplados con una máquina de soporte vectorial versus el algoritmo de aprendizaje profundo, en la tarea de reconocimiento y clasificación de imágenes aéreas. Para dicha tarea, una base de datos de 1,200 imágenes es utilizada para realizar los entrenamientos supervisados. El objetivo consiste en clasificar las imágenes en seis categorías comúnmente encontradas en zonas urbanas, de tal manera que pueda ser utilizado en cualquier parte del mundo. Los resultados arrojan que con 150 muestras de cada clase, el algoritmo de aprendizaje profundo es capaz de clasificar imágenes de avenidas, edificios, industrias, zonas naturales, zonas residenciales y cuerpos de agua, con un 87% de exactitud. Los resultados experimentales presentados muestran que las imágenes etiquetadas como edificios e industrias son las más complejas de discernir entre ellas, tanto para descriptores de bajo nivel como para las técnicas de aprendizaje profundo.info:eu-repo/semantics/openAccessCentro de Información TecnológicaInformación tecnológica v.28 n.3 20172017-01-01text/htmlhttp://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642017000300021es10.4067/S0718-07642017000300021
institution	Scielo Chile
collection	Scielo Chile
language	Spanish / Castilian
topic	aprendizaje profundo máquina de soporte vectorial imágenes aéreas descriptores de texturas base de datos
spellingShingle	aprendizaje profundo máquina de soporte vectorial imágenes aéreas descriptores de texturas base de datos Arista-Jalife,Antonio Calderón-Auza,Gustavo Fierro-Radilla,Atoany Nakano,Mariko Clasificación de Imágenes Urbanas Aéreas: Comparación entre Descriptores de Bajo Nivel y Aprendizaje Profundo
description	En este artículo se presenta una comparación entre diferentes algoritmos de descripción de texturas de bajo nivel acoplados con una máquina de soporte vectorial versus el algoritmo de aprendizaje profundo, en la tarea de reconocimiento y clasificación de imágenes aéreas. Para dicha tarea, una base de datos de 1,200 imágenes es utilizada para realizar los entrenamientos supervisados. El objetivo consiste en clasificar las imágenes en seis categorías comúnmente encontradas en zonas urbanas, de tal manera que pueda ser utilizado en cualquier parte del mundo. Los resultados arrojan que con 150 muestras de cada clase, el algoritmo de aprendizaje profundo es capaz de clasificar imágenes de avenidas, edificios, industrias, zonas naturales, zonas residenciales y cuerpos de agua, con un 87% de exactitud. Los resultados experimentales presentados muestran que las imágenes etiquetadas como edificios e industrias son las más complejas de discernir entre ellas, tanto para descriptores de bajo nivel como para las técnicas de aprendizaje profundo.
author	Arista-Jalife,Antonio Calderón-Auza,Gustavo Fierro-Radilla,Atoany Nakano,Mariko
author_facet	Arista-Jalife,Antonio Calderón-Auza,Gustavo Fierro-Radilla,Atoany Nakano,Mariko
author_sort	Arista-Jalife,Antonio
title	Clasificación de Imágenes Urbanas Aéreas: Comparación entre Descriptores de Bajo Nivel y Aprendizaje Profundo
title_short	Clasificación de Imágenes Urbanas Aéreas: Comparación entre Descriptores de Bajo Nivel y Aprendizaje Profundo
title_full	Clasificación de Imágenes Urbanas Aéreas: Comparación entre Descriptores de Bajo Nivel y Aprendizaje Profundo
title_fullStr	Clasificación de Imágenes Urbanas Aéreas: Comparación entre Descriptores de Bajo Nivel y Aprendizaje Profundo
title_full_unstemmed	Clasificación de Imágenes Urbanas Aéreas: Comparación entre Descriptores de Bajo Nivel y Aprendizaje Profundo
title_sort	clasificación de imágenes urbanas aéreas: comparación entre descriptores de bajo nivel y aprendizaje profundo
publisher	Centro de Información Tecnológica
publishDate	2017
url	http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642017000300021
work_keys_str_mv	AT aristajalifeantonio clasificaciondeimagenesurbanasaereascomparacionentredescriptoresdebajonivelyaprendizajeprofundo AT calderonauzagustavo clasificaciondeimagenesurbanasaereascomparacionentredescriptoresdebajonivelyaprendizajeprofundo AT fierroradillaatoany clasificaciondeimagenesurbanasaereascomparacionentredescriptoresdebajonivelyaprendizajeprofundo AT nakanomariko clasificaciondeimagenesurbanasaereascomparacionentredescriptoresdebajonivelyaprendizajeprofundo
_version_	1714201563534196736

Clasificación de Imágenes Urbanas Aéreas: Comparación entre Descriptores de Bajo Nivel y Aprendizaje Profundo

Ejemplares similares