Diseño de una Arquitectura de Red Neuronal Convolucional para la clasificación de objetos
Contenido principal del artículo
Resumen
Uno de los problemas más importantes y fundamentales en el área de Visión Computacional es la detección de objetos. Existe una gran cantidad de aplicaciones que requieren encontrar objetos en una escena y entonces clasificarlos, considerando la complejidad existente cuando se presentan varias categorías de objetos. El surgimiento de las técnicas de aprendizaje profundo han llegado como una estrategia muy poderosa en la extracción automática de características a partir de las imágenes, provocando mejoras importantes en la problemática asociada a la detección de objetos. El objetivo de este artículo es presentar el diseño de una arquitectura de Red Neuronal Convolucional adecuada para clasificar 6 categorías diferentes de objetos comunes: cama, escalera, mesa, puerta, silla y sofá. Los resultados obtenidos indican una precisión superior al 90% en los experimentos realizados.
Descargas
Detalles del artículo

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Universidad Michoacana de San Nicolás de Hidalgo, Coordinación de la Investigación Científica, Av. Francisco J. Mujica, Edificio "C-2", Ciudad Universitaria, Morelia, Michoacán, México, C.P. 58030. Todos los derechos reservados. Esta revista puede ser reproducida con fines no lucrativos, siempre y cuando se cite la fuente completa y su dirección electrónica. De otra forma requiere permiso previo por escrito de la institución y autor.
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.