Implementación de técnicas de segmentación de instancias basadas en aprendizaje máquina
Ver/
Identificadores
URI: http://hdl.handle.net/10317/8868Compartir
Métricas
Estadísticas
Ver Estadísticas de usoMetadatos
Mostrar el registro completo del ítemAutor
Kovalyk, OleksandrDirector/a
Morales Sánchez, JuanEscuela/Centro
Escuela Técnica Superior de Ingeniería de TelecomunicaciónUniversidad
Universidad Politécnica de CartagenaDepartamento
Tecnologías de la Información y las ComunicacionesÁrea de conocimiento
Teoría de la Señal y las ComunicacionesFecha de publicación
2020-07-07Palabras clave
Inteligencia artificialArtificial intelligence
Resumen
Este trabajo consiste en la aplicación del algoritmoMask R-CNN [1] a dos bases de datos de
imágenes de retinografías con el fin de automatizar el proceso de segmentación del disco
óptico y la excavación óptica.Mask R-CNN es un algoritmo de aprendizaje máquina lanzado
en 2018 por los investigadores de “Facebook”: Kaiming He, Georgia Gkioxari,Piotr Dollár y
Ross Girshick.Mask R-CNN es un algoritmo capaz de dada una imagen: localizar el objeto de
interés (disco óptico o excavación óptica), clasificar el objeto encontrado y segmentarlo. Se
hará un breve recorrido histórico dando una breve pincelada sobre el funcionamiento cada
uno de los algoritmos de lo cuales deriva Mask R-CNN. Hablaremos de algoritmos como:
R-CNN[2], Fast R-CNN[3] y Faster R-CNN[4]. Se explicará el funcionamiento de cada de
las partes que compone el algoritmo Mask R-CNN tales como: la red FPN (Feature Pyramid
Network), la red RPN (Region ProposalNetwork), la red ROI (Region of Interest), las redes FC
(Full ...
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia:
Redes sociales