Por favor, use este identificador para citar o enlazar este ítem:
http://cimat.repositorioinstitucional.mx/jspui/handle/1008/1120| REGULARIZED DICTIONARY BASED METHODS FOR PATTERN RECOGNITION IN IMAGES | |
| Ulises Rodríguez Domínguez | |
| ULISES RODRIGUEZ DOMINGUEZ | |
| Acceso Abierto | |
| Atribución-NoComercial | |
| CIENCIAS DE LA COMUNICACIÓN | |
| La disciplina de reconocimiento de patrones es fundamental para el procesamiento automático de datos. El procesamiento digital de imágenes es uno de los muchos campos que continuamente se beneficia de técnicas tanto clásicas como modernas de reconocimiento de patrones, ya sea en problemas supervisados o no supervisados. Los métodos basados en diccionarios son técnicas particulares de factorización de matrices con capacidades de representación muy versátiles y que han mostrado mejoras importantes para reconocimiento de patrones en imágenes y para procesamiento de imágenes en general. Por otro lado, es ampliamente conocido que el aprendizaje profundo logra resultados notables para reconocimiento de imágenes, en gran medida debido a su capacidad para aprender composiciones de funciones. Ésta tesis se enfoca en métodos mejorados basados en diccionarios para reconocimiento de patrones locales en imágenes tanto para el escenario supervisado (clasificación de imágenes) como para el escenario más retador no supervisado (agrupamiento de imágenes). En particular, se proveen de cuatro métodos basados en diccionarios, dos para clasificación de imágenes y dos para agrupamiento de imágenes. Dos métodos se basan en un esquema de un diccionario pesado a bloques y los otros dos se basan en un sistema profundo (aprendizaje jerárquico profundo de diccionarios) con nuevas capas que inducen representaciones jerárquicas profundas, y donde los cuatro métodos consideran regularización de manera ventajosa. El esquema pesado a bloques logra un mejor desempeño que otros métodos relacionados en clasificación de imágenes y en agrupamiento de imágenes en bases de datos conocidas y provee interpretación de la relevancia de las características en los patrones de entrada. Por otro lado, el esquema de aprendizaje jerárquico profundo de diccionarios logra un desempeño mejor que o competitivo con métodos del estado del arte tanto en clasificación de imágenes como en agrupamiento de imágenes en bases de datos conocidas. | |
| 22-01-2021 | |
| Trabajo de grado, doctorado | |
| OTRAS | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Tesis del CIMAT |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| TE 825.pdf | 11.87 MB | Adobe PDF | Visualizar/Abrir |