Repositorio UTM
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.utm.mx:8080/jspui/handle/123456789/70
Título : Reconocimiento de objetos inmersos en imágenes estáticas mediante el algoritmo HOG y RNA-MLP
Autor : ENRIQUE GUZMAN RAMIREZ;265656
Guzmán Ramírez, Enrique
García López, Ayax Aldemar
Palabras clave : procesamiento dígital de imágenes, reconocimiento de objetos, algoritmo hog
Fecha de publicación : ago-2015
Editorial : Universidad Tecnológica de la Mixteca
Citación : García, A. (2015). Reconocimiento de objetos inmersos en imágenes estáticas mediante el algoritmo HOG y RNA-MLP (Tesis para obtener el grado de Maestro en Electrónica y Computación). Universidad Tecnológica de la Mixteca, Huajuapan de León, Oaxaca.
Resumen : La visión artificial o por computadora es una disciplina que, mediante la capacidad de percepción visual, busca la construcción de descripciones explícitas y significativas de los objetos físicos a partir de imágenes. Esta capacidad permite extraer y analizar información espectral, espacial y temporal de los distintos objetos contenidos en una imagen. Gran variedad de tareas puede ser realizadas por un sistema de visión artificial debido a esta capacidad; una de gran importancia es el reconocimiento de objetos, la cual se refiere a la identificación de un objeto con base en descriptores asociados con el objeto. Los procesos de extracción de características y clasificación, son de relevante importancia para que el reconocimiento de objetos cumpla su objetivo. Además, para obtener un buen desempeño en esta tarea es necesario contar con descriptores robustos y un clasificador de buena calidad. En este sentido, el algoritmo de extracción de características propuesto por Navneet Dalal y Bill Triggs [1], denominado histogramas de gradientes orientados (Histogram of Oriented Gradients, HOG), ha demostrado que en representaciones normalizadas del objeto, sus descriptores ofrecen información discriminativa de los objetos presentes en una imagen, siendo además robusta gracias a su invariancia ante cambios en la iluminación, en el fondo o en la posición del objeto. Por otro lado, es bien conocida la característica de las redes neuronales artificiales (RNA o ANN del inglés Artificial Neural Network) tipo perceptrón multicapa (MLP, Multi-Layer Perceptron) para solventar el problema que se presenta cuando los pocos datos disponibles durante el entrenamiento generalmente no son suficientes para cubrir la variabilidad en apariencia, lo que representa una buena opción para el proceso de clasificación. Buscando ofrecer una alternativa competitiva con las existentes actualmente, y considerando la importancia que tiene la tarea de reconocimiento de objetos en diversas áreas de la ciencia y su gran potencial de aplicaciones, el presente trabajo de tesis presenta un sistema de reconocimiento de objetos que utiliza en el proceso de extracción de características al algoritmo HOG y a una RNA tipo MLP en el proceso de clasificación.
URI : http://repositorio.utm.mx:8080/jspui/handle/123456789/70
Aparece en las colecciones: Maestría

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
2015-MEC-AAGL.pdf4.5 MBAdobe PDFVisualizar
facebook


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons