Construcción de una Base de Datos de Frutas Cítricas A Partir del Aumento de Datos para un Modelo de Clasificación con Aprendizaje Profundo
Cada día millones de imágenes son almacenadas, ya sea por páginas web o redes sociales, generando base de datos con etiquetas. Sin embargo, no siempre son representativas, de gran variedad o de dominio público. En este artículo se presenta la construcción de una base de datos particular de frutas cí...
- Autores:
-
Cárdenas Torres, Jacson Ferney
Jiménez Delgado, Kevin Johan
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- OAI Identifier:
- oai:repository.usta.edu.co:11634/35500
- Acceso en línea:
- http://hdl.handle.net/11634/35500
- Palabra clave:
- Dataset
Data augmentation
Citrus fruits
Classification
Deep learning
Bases de datos de imágenes
Archivos de imágenes
Diseño lógico
Innovación
Sistemas de almacenamiento y recuperación de información
Bases de datos-administración
Base de datos
Aumento de datos
Frutas cítricas
Clasificación
Aprendizaje profundo
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| Summary: | Cada día millones de imágenes son almacenadas, ya sea por páginas web o redes sociales, generando base de datos con etiquetas. Sin embargo, no siempre son representativas, de gran variedad o de dominio público. En este artículo se presenta la construcción de una base de datos particular de frutas cítricas distribuidas en Colombia que se encuentran escasamente en repositorios, siendo estas informaciones los registros de entrada a un modelo de clasificación de única etiqueta con aprendizaje profundo. Las imágenes fueron obtenidas por medio de la opción ráfaga en una cámara de 48 MP (f2,0 con tecnología Quad Píxel, 1,6 µm), se variaron condiciones de exposición tales como la posición por medio de la rotación y la iluminación en la fruta con el fin de obtener el aumento de registros en la base de datos, previa definición de las características que identifican cada una de las frutas se realiza la selección de una cantidad limitada representativa. Mediante la utilización de diferentes técnicas se aplica un redimensionamiento espacial en las imágenes a nivel de software. De esta forma son obtenidos 20738 registros pertenecientes a 8 clases de frutas cítricas, que luego se separan implementando la regla de división 90% a 10%, en dos directorios llamados entrenamiento y prueba. |
|---|
