Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana
Descripción del Articulo
Actualmente, el uso de técnicas de aprendizaje profundo en la clasificación de especies se ha convertido en un área atractivo de investigación. Asimismo, la clasificación de especies forestales maderables en el Perú fue determinada como un problema crítico-prioritario por las autoridades forestales, d...
Autor: | |
---|---|
Formato: | tesis de maestría |
Fecha de Publicación: | 2021 |
Institución: | Universidad Nacional Del Altiplano |
Repositorio: | UNAP-Institucional |
Lenguaje: | español |
OAI Identifier: | oai:https://repositorio.unap.edu.pe:20.500.14082/18344 |
Enlace del recurso: | http://repositorio.unap.edu.pe/handle/20.500.14082/18344 |
Nivel de acceso: | acceso abierto |
Materia: | Amazonia peruana Clasificación de imágenes Especies forestales maderables Redes neuronales convolucionales https://purl.org/pe-repo/ocde/ford#2.02.04 |
id |
RNAP_f213cc3008441f9464e22b3f79df5811 |
---|---|
oai_identifier_str |
oai:https://repositorio.unap.edu.pe:20.500.14082/18344 |
network_acronym_str |
RNAP |
network_name_str |
UNAP-Institucional |
repository_id_str |
9382 |
dc.title.es_PE.fl_str_mv |
Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana |
title |
Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana |
spellingShingle |
Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana Bermejo Escobar, Danitza Yvette Amazonia peruana Clasificación de imágenes Especies forestales maderables Redes neuronales convolucionales https://purl.org/pe-repo/ocde/ford#2.02.04 |
title_short |
Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana |
title_full |
Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana |
title_fullStr |
Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana |
title_full_unstemmed |
Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana |
title_sort |
Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana |
author |
Bermejo Escobar, Danitza Yvette |
author_facet |
Bermejo Escobar, Danitza Yvette |
author_role |
author |
dc.contributor.advisor.fl_str_mv |
Sotomayor Alzamora, Guina Guadalupe |
dc.contributor.author.fl_str_mv |
Bermejo Escobar, Danitza Yvette |
dc.subject.es_PE.fl_str_mv |
Amazonia peruana Clasificación de imágenes Especies forestales maderables Redes neuronales convolucionales |
topic |
Amazonia peruana Clasificación de imágenes Especies forestales maderables Redes neuronales convolucionales https://purl.org/pe-repo/ocde/ford#2.02.04 |
dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.02.04 |
description |
Actualmente, el uso de técnicas de aprendizaje profundo en la clasificación de especies se ha convertido en un área atractivo de investigación. Asimismo, la clasificación de especies forestales maderables en el Perú fue determinada como un problema crítico-prioritario por las autoridades forestales, debido al impacto negativo que lleva una incorrecta clasificación sobre los intereses nacionales. La presente investigación se centró en la comparación de los modelos de aprendizaje por transferencia: AlexNet, VGG-19, Inception V3 y ResNet-101, redes neuronales convolucionales pre-entrenadas para la clasificación de especies. Para ello, se presentó el conjunto de datos denominado Peruvian Amazon Forestry Dataset, conformado por 59,441 imágenes pertenecientes a 10 especies forestales maderables de la Amazonia peruana en peligro de extinción y con importancia económica. Para los experimentos se usaron dos tipos de datos de entrada (imágenes segmentadas e imágenes no segmentadas). Los modelos fueron evaluados cuantitativa (exactitud, precisión, exhaustividad y valor-F1) y cualitativamente (interpretabilidad visual). Los resultados presentan valores significativos para la red VGG-19 al utilizar entradas no segmentadas, alcanzando un 97.61% de exactitud en el entrenamiento, 98.87% en la validación, y una exactitud del 97.02% en el test. Además, gracias a la interpretabilidad, se observó que VGG-19 clasifica a partir de la forma y la vena de la hoja. Por último, es posible concluir que el modelo VGG-19 es una herramienta útil para que especialistas y materos para clasificar especies forestales maderables en tiempo real. |
publishDate |
2021 |
dc.date.accessioned.none.fl_str_mv |
2022-04-22T11:02:55Z |
dc.date.available.none.fl_str_mv |
2022-04-22T11:02:55Z |
dc.date.issued.fl_str_mv |
2021-11-16 |
dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
dc.identifier.uri.none.fl_str_mv |
http://repositorio.unap.edu.pe/handle/20.500.14082/18344 |
url |
http://repositorio.unap.edu.pe/handle/20.500.14082/18344 |
dc.language.iso.es_PE.fl_str_mv |
spa |
language |
spa |
dc.relation.ispartof.fl_str_mv |
SUNEDU |
dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.uri.es_PE.fl_str_mv |
https://creativecommons.org/licenses/by/4.0/deed.es |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by/4.0/deed.es |
dc.format.es_PE.fl_str_mv |
application/pdf |
dc.publisher.es_PE.fl_str_mv |
Universidad Nacional del Altiplano. Repositorio Institucional |
dc.publisher.country.es_PE.fl_str_mv |
PE |
dc.source.es_PE.fl_str_mv |
Universidad Nacional del Altiplano Repositorio Institucional - UNAP |
dc.source.none.fl_str_mv |
reponame:UNAP-Institucional instname:Universidad Nacional Del Altiplano instacron:UNAP |
instname_str |
Universidad Nacional Del Altiplano |
instacron_str |
UNAP |
institution |
UNAP |
reponame_str |
UNAP-Institucional |
collection |
UNAP-Institucional |
bitstream.url.fl_str_mv |
https://repositorio.unap.edu.pe/bitstream/20.500.14082/18344/1/Danitza_Yvette_Bermejo_Escobar.pdf https://repositorio.unap.edu.pe/bitstream/20.500.14082/18344/2/license.txt https://repositorio.unap.edu.pe/bitstream/20.500.14082/18344/3/Danitza_Yvette_Bermejo_Escobar.pdf.txt |
bitstream.checksum.fl_str_mv |
578f0f6599ad6b97047ddc62ba653e59 c52066b9c50a8f86be96c82978636682 f19a311db68b29f1bf05a657b389fff3 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional de la Universidad Nacional del Altiplano |
repository.mail.fl_str_mv |
dspace-help@myu.edu |
_version_ |
1819880788000243712 |
spelling |
Sotomayor Alzamora, Guina GuadalupeBermejo Escobar, Danitza Yvette2022-04-22T11:02:55Z2022-04-22T11:02:55Z2021-11-16http://repositorio.unap.edu.pe/handle/20.500.14082/18344Actualmente, el uso de técnicas de aprendizaje profundo en la clasificación de especies se ha convertido en un área atractivo de investigación. Asimismo, la clasificación de especies forestales maderables en el Perú fue determinada como un problema crítico-prioritario por las autoridades forestales, debido al impacto negativo que lleva una incorrecta clasificación sobre los intereses nacionales. La presente investigación se centró en la comparación de los modelos de aprendizaje por transferencia: AlexNet, VGG-19, Inception V3 y ResNet-101, redes neuronales convolucionales pre-entrenadas para la clasificación de especies. Para ello, se presentó el conjunto de datos denominado Peruvian Amazon Forestry Dataset, conformado por 59,441 imágenes pertenecientes a 10 especies forestales maderables de la Amazonia peruana en peligro de extinción y con importancia económica. Para los experimentos se usaron dos tipos de datos de entrada (imágenes segmentadas e imágenes no segmentadas). Los modelos fueron evaluados cuantitativa (exactitud, precisión, exhaustividad y valor-F1) y cualitativamente (interpretabilidad visual). Los resultados presentan valores significativos para la red VGG-19 al utilizar entradas no segmentadas, alcanzando un 97.61% de exactitud en el entrenamiento, 98.87% en la validación, y una exactitud del 97.02% en el test. Además, gracias a la interpretabilidad, se observó que VGG-19 clasifica a partir de la forma y la vena de la hoja. Por último, es posible concluir que el modelo VGG-19 es una herramienta útil para que especialistas y materos para clasificar especies forestales maderables en tiempo real.Tesisapplication/pdfspaUniversidad Nacional del Altiplano. Repositorio InstitucionalPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/deed.esUniversidad Nacional del AltiplanoRepositorio Institucional - UNAPreponame:UNAP-Institucionalinstname:Universidad Nacional Del Altiplanoinstacron:UNAPAmazonia peruanaClasificación de imágenesEspecies forestales maderablesRedes neuronales convolucionaleshttps://purl.org/pe-repo/ocde/ford#2.02.04Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruanainfo:eu-repo/semantics/masterThesisSUNEDUMaestro en Ingeniería de SistemasIngeniería de SistemasUniversidad Nacional del Altiplano. Escuela de PosgradoMaestríahttps://orcid.org/0000-0002-0216-594740308192https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/nivel#maestro612087Condori Alejo, Henry IvanJimenez Chura, Adolfo CarlosFlores Velasquez, Edelfre70311819ORIGINALDanitza_Yvette_Bermejo_Escobar.pdfDanitza_Yvette_Bermejo_Escobar.pdfapplication/pdf8541640https://repositorio.unap.edu.pe/bitstream/20.500.14082/18344/1/Danitza_Yvette_Bermejo_Escobar.pdf578f0f6599ad6b97047ddc62ba653e59MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81327https://repositorio.unap.edu.pe/bitstream/20.500.14082/18344/2/license.txtc52066b9c50a8f86be96c82978636682MD52TEXTDanitza_Yvette_Bermejo_Escobar.pdf.txtDanitza_Yvette_Bermejo_Escobar.pdf.txtExtracted texttext/plain205727https://repositorio.unap.edu.pe/bitstream/20.500.14082/18344/3/Danitza_Yvette_Bermejo_Escobar.pdf.txtf19a311db68b29f1bf05a657b389fff3MD5320.500.14082/18344oai:https://repositorio.unap.edu.pe:20.500.14082/183442022-11-04 19:45:43.541Repositorio institucional de la Universidad Nacional del Altiplanodspace-help@myu.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 |
score |
13.882472 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).