Medidas de invarianza y equivarianza a transformaciones en redes neuronales convolucionales : aplicaciones al reconocimiento de formas de mano
Quiroga, Facundo Manuel
Medidas de invarianza y equivarianza a transformaciones en redes neuronales convolucionales : aplicaciones al reconocimiento de formas de mano - 1 archivo (44,1 MB) : il.col.
Tesis (Doctorado en Ciencias Informáticas) - Universidad Nacional de La Plata. Facultad de Informática, 2020.
1. Introducción -- 1.1. Motivación -- 1.2. Objetivos -- 1.3. Contribuciones -- 1.4. Publicaciones -- 1.5. Organización de la tesis -- 2. Marco teórico -- 2.1. Aprendizaje Automático -- 2.2. Redes Neuronales -- 2.3. Redes Convolucionales -- 2.4. Modelos de Redes Convolucionales -- 2.5. Conjuntos de datos para clasificación de imágenes -- 2.6. Invarianza y Equivarianza -- 2.7. Modelos de Redes Convolucionales con Invarianza y Equivarianza -- 2.8. Métricas de Invarianza y Equivarianza -- 2.9. Clasificación de formas de mano para el reconocimiento de Lengua de Señas -- 3. Modelos Invariantes vs Aumentación de Datos -- 3.1. Metodología -- 3.2. Desempeño con aumentación de datos -- 3.3. Comparación con STN y GCNN -- 3.4. Evaluación de aumentación de datos para invarianza con distintas transformaciones -- 3.5. Re-entrenamiento de modelos para obtener invarianza -- 3.6. Conclusiones -- 4. Métricas de Equivarianza -- 4.1. Definiciones generales -- 4.2. Matriz Muestra-Transformación de Activaciones (MT) -- 4.3. Métrica de invarianza basada en ANOVA -- 4.4. Métricas de Invarianza basadas en la Varianza -- 4.5. Métricas basadas en distancias -- 4.6. Métrica Auto-Equivarianza -- 4.7. Métricas Estratificadas -- 4.8. Conclusiones -- 5. Evaluación de Métricas de Equivarianza -- 5.1. Metodología -- 5.2. Métricas -- 5.3. Validación de las métricas -- 5.4. Análisis de las Métricas -- 5.5. Análisis de Modelos de CNN -- 5.6. Conclusiones -- 6. Redes Convolucionales para la Clasificación de Formas de Manos -- 6.1. Comparación de tasa de aciertos de distintas arquitecturas convolucionales -- 6.2. Comparación de estrategias de preprocesamiento -- 6.3. Evaluación de aumentación de datos para invarianza -- 6.4. Conclusiones -- 7. Conclusiones y trabajos futuros -- 7.1. Logros -- 7.2. Trabajos Futuros -- A. Pseudocódigo del cómputo de las métricas -- B. Diseño e implementación de la librería de Medidas Transformacionales -- C. Varianza de funciones de activación
DIF007459
REDES NEURONALES
IMÁGENES
redes convolucionales reconocimiento de señas
Medidas de invarianza y equivarianza a transformaciones en redes neuronales convolucionales : aplicaciones al reconocimiento de formas de mano - 1 archivo (44,1 MB) : il.col.
Tesis (Doctorado en Ciencias Informáticas) - Universidad Nacional de La Plata. Facultad de Informática, 2020.
1. Introducción -- 1.1. Motivación -- 1.2. Objetivos -- 1.3. Contribuciones -- 1.4. Publicaciones -- 1.5. Organización de la tesis -- 2. Marco teórico -- 2.1. Aprendizaje Automático -- 2.2. Redes Neuronales -- 2.3. Redes Convolucionales -- 2.4. Modelos de Redes Convolucionales -- 2.5. Conjuntos de datos para clasificación de imágenes -- 2.6. Invarianza y Equivarianza -- 2.7. Modelos de Redes Convolucionales con Invarianza y Equivarianza -- 2.8. Métricas de Invarianza y Equivarianza -- 2.9. Clasificación de formas de mano para el reconocimiento de Lengua de Señas -- 3. Modelos Invariantes vs Aumentación de Datos -- 3.1. Metodología -- 3.2. Desempeño con aumentación de datos -- 3.3. Comparación con STN y GCNN -- 3.4. Evaluación de aumentación de datos para invarianza con distintas transformaciones -- 3.5. Re-entrenamiento de modelos para obtener invarianza -- 3.6. Conclusiones -- 4. Métricas de Equivarianza -- 4.1. Definiciones generales -- 4.2. Matriz Muestra-Transformación de Activaciones (MT) -- 4.3. Métrica de invarianza basada en ANOVA -- 4.4. Métricas de Invarianza basadas en la Varianza -- 4.5. Métricas basadas en distancias -- 4.6. Métrica Auto-Equivarianza -- 4.7. Métricas Estratificadas -- 4.8. Conclusiones -- 5. Evaluación de Métricas de Equivarianza -- 5.1. Metodología -- 5.2. Métricas -- 5.3. Validación de las métricas -- 5.4. Análisis de las Métricas -- 5.5. Análisis de Modelos de CNN -- 5.6. Conclusiones -- 6. Redes Convolucionales para la Clasificación de Formas de Manos -- 6.1. Comparación de tasa de aciertos de distintas arquitecturas convolucionales -- 6.2. Comparación de estrategias de preprocesamiento -- 6.3. Evaluación de aumentación de datos para invarianza -- 6.4. Conclusiones -- 7. Conclusiones y trabajos futuros -- 7.1. Logros -- 7.2. Trabajos Futuros -- A. Pseudocódigo del cómputo de las métricas -- B. Diseño e implementación de la librería de Medidas Transformacionales -- C. Varianza de funciones de activación
DIF007459
REDES NEURONALES
IMÁGENES
redes convolucionales reconocimiento de señas