Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/99506
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.author | Muñoz Cruz, John Gabriel | - |
dc.date.accessioned | 2019-07-19T21:29:12Z | - |
dc.date.available | 2019-07-19T21:29:12Z | - |
dc.date.issued | 2019-03-10 | - |
dc.identifier.uri | http://hdl.handle.net/10609/99506 | - |
dc.description.abstract | El trabajo consiste en diseñar una red generativa antagónica (GAN) que aumenta la resolución de una imagen. Este desarrollo se aplica en situaciones donde se hace necesario crear información que no existe, en este caso es con imágenes donde su finalidad es aumentar su resolución a partir de una red neuronal pre-entrenada, lo cual es práctico en situaciones donde se necesite identificar algo y por la resolución de la imagen no se permita. Para el desarrollo del trabajo inicialmente se entrena una red convolucional para extraer las características de un dataset, y posteriormente utilizando esta información se diseña una red antagónica que es la unión de una red que genera información y otra que lo discrimina obteniendo así la mejor versión de la imagen. Como resultado de la investigación es evidente una mejora de las imágenes de baja resolución a alta resolución, la red diseñada permite obtener una mejor versión en un computador sin hardware especializado en cuanto memoria y GPU, sin embargo, es importante considerar el costo computacional para el desarrollo de una red de este tipo; ya que si implica un dataset con un gran volumen de imágenes de alta resolución es necesario hacer uso de un clúster. | es |
dc.description.abstract | Design of an generative adversarial network (GAN) that increases the resolution of an image. This development is applied in situations where it is necessary to create information that does not exist, in this case with images. | en |
dc.description.abstract | El treball consisteix en dissenyar una xarxa generativa antagònica (GAN) que augmenta la resolució d'una imatge. Aquest desenvolupament s'aplica en situacions on es fa necessari crear informació que no existeix, en aquest cas és amb imatges on la seva finalitat és augmentar la seva resolució a partir d'una xarxa neuronal pre-entrenada, la qual cosa és pràctic en situacions on es necessiti identificar alguna cosa i per la resolució de la imatge no es permeti. | ca |
dc.format.mimetype | application/pdf | - |
dc.language.iso | spa | - |
dc.publisher | Universitat Oberta de Catalunya (UOC) | - |
dc.rights | CC BY-NC-ND | - |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ | - |
dc.subject | red neuronal convolucional | es |
dc.subject | convolutional neural network | en |
dc.subject | xarxa neuronal convolucional | ca |
dc.subject | improved image resolution | en |
dc.subject | millora de resolució en imatges | ca |
dc.subject | mejora de resolución en imágenes | es |
dc.subject | red generativa antagónica | es |
dc.subject | generative adversarial network | en |
dc.subject | xarxa generativa antagònica | ca |
dc.subject.lcsh | Artificial intelligence -- TFM | en |
dc.title | Diseño de una red generativa antagónica para el mejoramiento de la resolución de imágenes | - |
dc.type | info:eu-repo/semantics/masterThesis | - |
dc.audience.educationlevel | Estudis de Màster | ca |
dc.audience.educationlevel | Estudios de Máster | es |
dc.audience.educationlevel | Master's degrees | en |
dc.subject.lemac | Intel·ligència artificial -- TFM | ca |
dc.subject.lcshes | Inteligencia artificial -- TFM | es |
dc.contributor.director | Ventura, Carles | - |
dc.contributor.tutor | Kanaan-Izquierdo, Samir | - |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | - |
Aparece en las colecciones: | Bachelor thesis, research projects, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
jmunozcrTFM0619memoria.pdf | Memoria del TFM | 1,67 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons