Clasificación de gestos utilizando deep learning en datasets con pocos datos etiquetados
Material type:
Item type | Home library | Collection | Call number | URL | Status | Date due | Barcode | |
---|---|---|---|---|---|---|---|---|
![]() |
Biblioteca de la Facultad de Informática | TES 20/66 (Browse shelf(Opens below)) | Consulta en Sala | DIF-04965 | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde |
Browsing Biblioteca de la Facultad de Informática shelves Close shelf browser (Hides shelf browser)
Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata. Facultad de Informática, 2020.
1. Introducción -- 1.1. Motivación -- 1.2. Objetivos -- 1.3. Organización de la tesis -- 2. Visión por computadora -- 2.1. Clasificación de imágenes -- 2.2. Aprendizaje profundo -- 2.2.1. Redes neuronales -- 2.2.2. Entrenamiento -- 2.2.3. Capas -- 2.2.4. Arquitecturas convencionales para la clasificación de imágenes -- 3. Lengua de señas -- 3.1. Descripción del problema -- 3.2. Conjuntos de datos existentes -- 3.2.1. LSA64 / LSA16 -- 3.2.2. RWTH-PHOENIX-Weather -- 3.2.3. CIARP -- 3.2.4. Purdue RVL-SLLL American Sign Language Database -- 3.3. Bases de datos con pocos datos etiquetados -- 4. Trabajando con pocos datos etiquetados -- 4.1. Data augmentation -- 4.2. Weak supervisión -- 4.3. Active learning -- 4.4. Transfer learning -- 4.5. Few-shot learning -- 4.6. Aprendizaje semi-supervisado -- 4.7. Robust learning -- 5. Experimentación -- 5.1. Preparación de los conjunto de datos . -- 5.1.1. CIARP -- 5.1.2. LSA16 -- 5.1.3. RWTH -- 5.2. Preparación de los modelos -- 5.2.1. Prototypical Network -- 5.2.2. DenseNet -- 5.3. Entrenamiento -- 5.4. Resultados -- 5.5. Conclusiones -- 6. Conclusiones y trabajos futuros -- 6.1. Conclusiones -- 6.2. Trabajos futuros -- 7. Bibliografía