Localización y clasificación de árboles y edificaciones en imágenes aéreas empleando aprendizaje profundo

dc.contributor.advisorFlores Espinoza, Donato Andres
dc.contributor.authorEnriquez Rodriguez, Pamela
dc.date.accessioned2024-07-01T20:36:21Z
dc.date.available2024-07-01T20:36:21Z
dc.date.created2024
dc.date.issued2024-07-01
dc.description.abstractLa presente tesis muestra el diseño de un detector de árboles y edificaciones en imágenes aéreas elaborado en base a algoritmos de aprendizaje profundo, cuyas redes troncales para la extracción de características son redes neuronales convolucionales. Este trabajo es parte de la tarea de automatización de un sistema de inspección de fajas de servidumbre que recibe imágenes capturadas por drones. Inicialmente, el trabajo se ha centrado en el etiquetado de árboles y edificaciones en imágenes aéreas para la elaboración del dataset; para ello, se ha utilizado la herramienta Image Labeler de Matlab. Posteriormente, se dividió dicho conjunto de datos en data de entrenamiento (80%), validación (10%) y evaluación (10%); además de emplear la función imageDataAugmenter para incrementar la cantidad de imágenes disponible. Seguidamente, se procedió con el entrenamiento de la red bajo ciertos valores de hiperparámetros y; finalmente, se evaluó la eficacia del detector bajo ciertas métricas como precisión, sensibilidad y precisión promedio media. Los resultados obtenidos muestran que el detector diseñado e implementado en Pytorch delimita correctamente la ubicación de los árboles y edificaciones en imágenes aéreas; además de etiquetarlos con su clase correspondiente. Esto se evidencia en los valores de precisión promedio del 70% para la clase árboles y del 63% para la clase edificaciones, logrando una precisión promedio media del 67%.es_ES
dc.identifier.urihttp://hdl.handle.net/20.500.12404/28167
dc.language.isospaes_ES
dc.publisherPontificia Universidad Católica del Perúes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/pe/*
dc.subjectRedes eléctricases_ES
dc.subjectFotografía aéreaes_ES
dc.subjectAprendizaje profundo (Aprendizaje automático)es_ES
dc.subjectAlgoritmoses_ES
dc.subjectRedes neuronales (Computación)es_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.01es_ES
dc.titleLocalización y clasificación de árboles y edificaciones en imágenes aéreas empleando aprendizaje profundoes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
renati.advisor.dni06017817
renati.advisor.orcidhttps://orcid.org/0000-0003-2092-7666es_ES
renati.author.dni61832805
renati.discipline712026es_ES
renati.jurorRodríguez Valderrama, Paúl Antonioes_ES
renati.jurorFlores Espinoza, Donato Andreses_ES
renati.jurorCarranza De La Cruz, César Albertoes_ES
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_ES
renati.typehttps://purl.org/pe-repo/renati/type#tesises_ES
thesis.degree.disciplineIngeniería Electrónicaes_ES
thesis.degree.grantorPontificia Universidad Católica del Perú. Facultad de Ciencias e Ingenieríaes_ES
thesis.degree.levelTítulo Profesionales_ES
thesis.degree.nameIngeniero Electrónicoes_ES

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
ENRIQUEZ_RODRIGUEZ_PAMELA_LOCALIZACION_CLASIFICACION.pdf
Size:
4.37 MB
Format:
Adobe Portable Document Format
Description:
Texto completo y anexos
No Thumbnail Available
Name:
ENRIQUEZ_RODRIGUEZ_PAMELA_T.pdf
Size:
34.68 MB
Format:
Adobe Portable Document Format
Description:
Reporte de originalidad

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: