Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado
Las Búsquedas por Similitud constituyen un importante campo de estudio en el presente. Un ejemplo de su aplicación es la búsqueda de marcas de ganado, necesaria ante la solicitud de alta de una nueva marca al Departamento de Registro Ganadero. Para calcular su similitud, se suelen utilizar funcione...
Autores principales: | , , , |
---|---|
Formato: | Documento de conferencia acceptedVersion |
Lenguaje: | Español |
Publicado: |
2022
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/20.500.12272/7444 |
Aporte de: |
id |
I68-R174-20.500.12272-7444 |
---|---|
record_format |
dspace |
institution |
Universidad Tecnológica Nacional |
institution_str |
I-68 |
repository_str |
R-174 |
collection |
RIA - Repositorio Institucional Abierto (UTN) |
language |
Español |
topic |
Búsquedas por similitud Marcas de ganado Redes siamesas One-Shot Learning |
spellingShingle |
Búsquedas por similitud Marcas de ganado Redes siamesas One-Shot Learning Pascal, Andrés Jorge Herrera, Norma Edith Planas, Adrián Nicolás Lederhos, Federico Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado |
topic_facet |
Búsquedas por similitud Marcas de ganado Redes siamesas One-Shot Learning |
description |
Las Búsquedas por Similitud constituyen un importante campo de estudio en el presente. Un ejemplo de su aplicación es la búsqueda de marcas de ganado,
necesaria ante la solicitud de alta de una nueva marca al Departamento de Registro Ganadero. Para calcular su similitud, se suelen utilizar funciones de distancia
métrica aplicadas a vectores de características extraídas a partir de su imagen. Existen varios métodos de extracción de características, a los cuales en la última década se le han sumado las Redes Neuronales Profundas Convolucionales (CNN). En este artículo se muestra el uso de una CNN entrenada mediante Redes
Siamesas y con técnicas estándares de Aumentación de datos, a las cuales se le añade una técnica propia para mejorar la eficacia de la extracción de características
aplicadas a las Búsquedas por Similitud de Marcas de Ganado. Además, se evalúa experimentalmente su performance. |
format |
Documento de conferencia acceptedVersion |
author |
Pascal, Andrés Jorge Herrera, Norma Edith Planas, Adrián Nicolás Lederhos, Federico |
author_facet |
Pascal, Andrés Jorge Herrera, Norma Edith Planas, Adrián Nicolás Lederhos, Federico |
author_sort |
Pascal, Andrés Jorge |
title |
Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado |
title_short |
Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado |
title_full |
Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado |
title_fullStr |
Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado |
title_full_unstemmed |
Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado |
title_sort |
extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado |
publishDate |
2022 |
url |
http://hdl.handle.net/20.500.12272/7444 |
work_keys_str_mv |
AT pascalandresjorge extracciondecaracteristicasutilizandoredessiamesasyaumentacionaplicadaalasbusquedasporsimilituddemarcasdeganado AT herreranormaedith extracciondecaracteristicasutilizandoredessiamesasyaumentacionaplicadaalasbusquedasporsimilituddemarcasdeganado AT planasadriannicolas extracciondecaracteristicasutilizandoredessiamesasyaumentacionaplicadaalasbusquedasporsimilituddemarcasdeganado AT lederhosfederico extracciondecaracteristicasutilizandoredessiamesasyaumentacionaplicadaalasbusquedasporsimilituddemarcasdeganado |
bdutipo_str |
Repositorios |
_version_ |
1764820552705376258 |