Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/20763
Title: Comparativa de extractores de características para clasificación de rostros
Authors: Granda Cárdenas, Aída Alexandra
Keywords: COMPUTACIÓN
ROSTROS
IMÁGENES
Issue Date: 19-Feb-2020
Publisher: Quito, 2020.
Citation: Granda Cárdenas, A. A. (2020). Comparativa de extractores de características para clasificación de rostros. 70 hojas. Quito : EPN.
Abstract: This work proposes realizing a comparative between two image feature extraction automatized methods applied to the face classification problem. The methods proposed are: first, extraction of feature vectors from images through a convolutional neural network, and then compare and determine if refinement of these features through an unsupervised machine learning algorithm actually improves the posterior performance of the classifier algorithms. The algorithms to be used in the feature extraction are the following: a deep neural network with the GoogLeNet arqchitecture in it’s InceptionV3 version, KMeans for unsupervised learning and two supervised learning algorithms to validate the quality of the features extracted. At the end a comparison will be made between the four results, and it will be verified if the feature refinement through the unsupervised machine learning algorithm really enhances the performance of supervised machine learning algorithms.
Description: El presente trabajo propone realizar una comparativa entre dos métodos automatizados de extracción de características de imágenes para clasificación de rostros. Los métodos propuestos son: primero, método basado en extracción de vectores de características de las imágenes mediante una red neuronal convolucional; segundo, método basado en la extracción de características como en el primer caso, pero añadiendo una capa de clusterización usando para ellos el algoritmo KMeans, y luego comparar si el refinamiento de características mejora el rendimiento del proceso posterior de clasificación de las mismas. Los algoritmos a usar en la extracción de características son: una red neuronal profunda con la arquitectura GoogleNet en su versión InceptionV3, Kmeans para la clusterización; y dos algoritmos de clasificación supervisados para validar la calidad de las características, uno de ellos kNN y el otro SVM con un kernel lineal. Al final se comparará los resultados obtenidos con las cuatro pruebas, los dos algoritmos de clasificación en los dos escenarios: con KMeans y sin KMeans, y se verificará si el agregar la fase de clusterización de características realmente aporta al rendimiento de la clasificación supervisada.
URI: http://bibdigital.epn.edu.ec/handle/15000/20763
Appears in Collections:Tesis Sistemas Informáticos y de Computación (ISIS)

Files in This Item:
File Description SizeFormat 
CD 10281.pdf3,4 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.