Descripción de escenas por medio de aprendizaje profundo

dc.contributorLópez Sotelo, Jesús Alfonso
dc.creatorRincón Núñez, Adalberto
dc.date.accessioned2018-12-06T16:22:26Z
dc.date.accessioned2022-09-22T18:35:44Z
dc.date.available2018-12-06T16:22:26Z
dc.date.available2022-09-22T18:35:44Z
dc.date.created2018-12-06T16:22:26Z
dc.date.issued2018-09-28
dc.identifierhttp://hdl.handle.net/10614/10557
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3454784
dc.languagespa
dc.publisherUniversidad Autónoma de Occidente
dc.publisherIngeniería Mecatrónica
dc.publisherDepartamento de Automática y Electrónica
dc.publisherFacultad de Ingeniería
dc.rightshttps://creativecommons.org/licenses/by-nc/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
dc.rightsDerechos Reservados - Universidad Autónoma de Occidente
dc.sourceinstname:Universidad Autónoma de Occidente
dc.sourcereponame:Repositorio Institucional UAO
dc.sourceAn open source machine learning library for research and production [en línea]. Tensorflow. [Consultado: 7 de marzo de 2018]. Disponible en Internet: https://www.tensorflow.org/. ASUS Zenbook NX500JK-XH72T 15.6" 4K Touchscreen Notebook Computer [en línea]. B&H. [Consultado: 7 de marzo de 2018]. Disponible en Internet: https://goo.gl/Z58FuU. BAHRAMPOUR, Soheil, et al. Comparative Study of Deep Learning Software Frameworks. En: Cornell University Library [en linea]. CoRR: abs/1511.06435. 2015. 9 p. [Consultado: 7 de marzo de 2018]. Archivo pdf. Disponible en Internet: https://arxiv.org/pdf/1511.06435. BAIR. Caffe [en linea]. Caffe Deep learning framework. 2014. [Consultado: 7 de marzo de 2018]. Disponible en Internet: http://caffe.berkeleyvision.org/. COCO-Common Objects in Context. Dataset [en línea]. Cocodataset.org. [Consultado: 10 de marzo de 2018]. Disponible en Internet: http://cocodataset.org/#download. --------. Home [en linea]. Cocodataset.org. [Consulado: 10 de marzo de 2018]. Disponible en Internet: http://cocodataset.org/#home. --------. Task [en linea]. Cocodataset.org. [Consultado: 10 de marzo de 2018]. Disponible en Internet: http://cocodataset.org/#captions-challenge2015. FANG, Hao, et all. From captions to visual concepts and back. En: Berkeley EECS [en linea]. IEEE – Institute of Electrical and Electronics Engineers. 2015. [Consultado: 17 de marzo de 2017]. Archivo pdf. Disponible en Internet: https://people.eecs.berkeley.edu/~sgupta/pdf/captions.pdf. FRANCOIS, Chollet. Xception: Deep Learning with Depthwise Separable Convolutions. En: Cornell University Library [en linea]. CoRR: abs/1610.02357. (4 de abril de 2017). 8 p. [Consultado: 10 de marzo de 2018]. Archivo pdf. Disponible en Internet: https://arxiv.org/pdf/1610.02357.GOODFELLOW, Ian; BENGIO, Yoshua y COURVILLE, Aaron. Deep learning: Introduction. En: Deep Learning: An MIT Press book [en linea]. MIT Press. 2016. 781 p. [Consultado: 17 de marzo de 2017]. Disponible en Internet: http://www.deeplearningbook.org/contents/intro.html. KARPATHY, Andrej. The unreasonable effectiveness of recurrent neural networks [en línea]. Andrej Karpathy Blog. (21 de mayo de 2015). [Consultado: 20 de marzo de 2018]. Disponible en Internet: http://karpathy.github.io/2015/05/21/rnn-effectiveness/. Keras: The Python Deep Learning Library [en línea]. Keras documentation. [Consultado: 7 de marzo de 2018]. Disponible en Internet: https://keras.io/. LIN, Tsung-Yi, et all. Microsoft COCO: Common Objects in Context. En: Cornell University Library [en linea]. CoRR: abs/1405.0312. 2014. 15 p. [Consultado: 10 de marzo de 2018]. Archivo pdf. Disponible en Internet: https://arxiv.org/pdf/1405.0312. Matlab [en línea]. MathWorks. [Consultado: 7 de marzo de 2018]. Disponible en Internet: https://la.mathworks.com/products/matlab.html. MEJIA, Juan Arturo. Sistema de detección de intrusos en redes de comunicación utilizando redes neuronales [en línea]. Licenciatura en Ingeniería en Electrónica y Computadoras. Puebla. Universidad de las Americas Puebla. Departamento de Ingeniería Electrónica. 2004. 97 p. [Consultado: 20 de marzo de 2018]. Disponible en Internet: http://catarina.udlap.mx/u_dl_a/tales/documentos/lep/mejia_s_ja/capitulo3.pdf. OLAH, Christopher. Understanding LSTM Networks [en línea]. Colah´s blog. (27 de agosto de 2015). [Consultado: 19 de julio de 2018]. Disponible en Internet: http://colah.github.io/posts/2015-08-Understanding-LSTMs/. Python: About [en línea]. Python. [Consulado: 7 de marzo de 2018]. Disponible en Internet: https://www.python.org/about. SIMONYAN, Karen y ZISSERMAN, Andrew. Very Deep Convolutional Networks for Large-Scale Image Recognition. En: Cornell University Library [en linea]. CoRR: abs/1409.1556. (4 de septiembre de 2014). 14 p. [Consultado: 10 de marzo de 2018]. Archivo pdf. Disponible en Internet: https://arxiv.org/pdf/1409.1556.SOCHER, Richard, et all. Convolutional-Recursive deep learning for 3D object classification. En: Neural Information Processing Systems Foundation, Inc. Advances in Neural Information Processing Systems 25 [en linea]. F. Pereira, C. J. C. Burges, L. Bottou, K. Q. Weinberger. 2012. 9 p. [Consultado: 22 de marzo de 2017]. Archivo pdf. Disponible en Internet: https://papers.nips.cc/paper/4773-convolutional-recursive-deep-learning-for-3d-object-classification.pdf. SZEGEDY, Christian, et al. Rethinking the Inception Architecture for Computer Vision. En: Cornell University Library [en linea]. CoRR: abs/1512.00567. (2 de diciembre de 2015). 10 p. [Consultado: 10 de marzo de 2018]. Archivo pdf. Disponible en Internet: https://arxiv.org/pdf/1512.00567. THEANO. Welcome [en línea]. theano 1.0 documentation. 2016. [Consultado: 7 de marzo de 2018]. Disponible en Internet: http://deeplearning.net/software/theano/index.html. Torch. A Scientific computing for Luajit [en linea]. Torch. [Consultado: 7 de marzo de 2018]. Disponible en Internet: http://torch.ch/. VINYALS, Oriol, et all. A picture is worth a thousand (coherent) words: building a natural description of images [en línea]. Google Research Blog. (17 de noviembre de 2014). [Consultado: 17 de marzo de 2017]. Disponible en Internet: https://research.googleblog.com/2014/11/a-picture-is-worth-thousand-coherent.html. --------. Show and tell: Lessons learned from the 2015 MSCOCO image captioning challenge. En: Cornell University Library [en linea]. CoRR: abs/1609.06647. 2016. [Consultado: 17 de marzo de 2017]. Archivo pdf. Disponible en Internet: https://arxiv.org/pdf/1609.06647.pdf. WANG, Weimin. Using TensorFlow to build image to text application [en linea]. Weimin Wang. (20 de marzo de 2017). [Consultado: 15 de marzo de 2018]. Disponible en Internet: https://weiminwang.blog/2017/03/20/using-tensorflow-to-build-image-to-text-deep-learning-application/. YEGNANARAYANA, Bayya. Artificial neural networks [en línea]. PHI Learning, 2009. 476 p. [Consultado: 20 de marzo de 2018]. Disponible en Internet: Google libros, Ebook. ISBN 9788120312531.
dc.subjectIngeniería Mecatrónica
dc.subjectRedes neurales (Computadores)
dc.subjectDescripción de imágenes
dc.titleDescripción de escenas por medio de aprendizaje profundo
dc.typeTrabajo de grado - Pregrado


Este ítem pertenece a la siguiente institución