Desarrollo de un modelo híbrido usando modelos de aprendizaje profundo para la recuperación de información multi-modal en texto e imágenes

• Autor: Diaz Zeballos, Miler
• Formato: tesis de maestría
• Fecha de Publicación: 2017
• Institución: Consejo Nacional de Ciencia Tecnología e Innovación
• Repositorio: CONCYTEC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.concytec.gob.pe:20.500.12390/1952
• Enlace del recurso: https://hdl.handle.net/20.500.12390/1952
• Nivel de acceso: acceso abierto
• Materia: Recuperación de información multi-modal; Extracción de características; https://purl.org/pe-repo/ocde/ford#1.02.01

Actualmente el uso de los modelos de Aprendizaje Profundo en muchas a´reas de investigacio´n esta demostrando excelentes resultados, el a´rea de Recuperaci´on de Informaci´on es una de ellas. Dentro de esta a´rea existe una tarea que es la Recuperaci´on de Informaci´on en mu´ltiples modalidades. El objetivo principal de esta tarea es proyectar datos de diferentes modalidades dentro de un mismo espacio sema´ntico o crear un modelo para establecer una relaci´on entre estos espacios. En esta investigacio´n se propone dos modelos h´ıbridos intra-modales para tratar con ima´genes y textos respectivamente y la elaboraci´on de un modelo para establecer una relacio´n entre ambas modalidades utilizando modelos de Aprendizaje Profundo. Los resultados sera´n evaluados en varios conjuntos de datos utilizados en el estado del arte para validar el rendimiento del modelo general.