Informática con mención en Ciencias de la Computación

URI permanente para esta colecciónhttp://54.81.141.168/handle/123456789/51445

Explorar

Resultados de Búsqueda

Mostrando 1 - 3 de 3
  • Ítem
    Aprendizaje profundo para transcripción de textos históricos manuscritos en español
    (Pontificia Universidad Católica del Perú, 2024-07-16) Choque Dextre, Gustavo Jorge; Beltrán Castañón, Cesar Armando
    El reconocimiento de textos historicos es considerado un problema desafiante debido a los muchos factores que ´ alteran el estado de los manuscritos y la complejidad de los diferentes estilos de escritura involucrados en este tipo de documentos; en los anos recientes se han creado muchos modelos de Reconocimiento de textos manuscritos ˜ enfocados en diversos idiomas como el ingles, chino, ´ arabe y japon ´ es entre otros, sin embargo no se han ´ encontrado muchas iniciativas de reconocimiento de texto orientadas al idioma espanol debido fundamentalmente ˜ a un escasez de datasets publicos disponibles para ayudar a solucionar la problem ´ atica en dicho idioma. ´ En esta publicacion se presenta la aplicaci ´ on de t ´ ecnicas de Deep Learning basadas en una arquitectura de ´ red neuronal encoder-decoder y convoluciones compuerta Gated-CNN las cuales en los ultimos ha demostrado ´ resultados sobresalientes para resolver dicha problematica, as ´ ´ı mismo se propone la aplicacion de mecanismos de ´ Transferencia de Aprendizaje para el reconocimiento de textos historicos en espa ´ nol. Los experimentos demuestran ˜ que la aplicacion de estos m ´ etodos puede brindar resultados sobresalientes, adem ´ as la aplicaci ´ on de otras t ´ ecnicas ´ tales como Aumentacion de Datos y Modelos de Lenguaje conllevan a mejoras significativas en los resultados finales. ´ Se propone ademas el uso de un nuevo dataset de textos hist ´ oricos en espa ´ nol conformado por 1000 elementos ˜ tomados de textos historicos peruanos referentes al siglo XVIII.
  • Ítem
    Reconocimiento de elementos de seguridad de billetes utilizando Transfer Learning
    (Pontificia Universidad Católica del Perú, 2021-08-12) Vera Muñoz, David; Sipiran Mendoza, Iván Anselmo
    La falsificación de moneda es un problema en el país y se evidencia en informes periodísticos de incautaciones de billetes y monedas falsificadas que aparecen cada cierto tiempo a nivel nacional; por lo tanto, la necesidad de un sistema de reconocimiento de billetes y monedas es imperativo dado que a la par del crecimiento tecnológico que apoye esta tarea, también la maquinaria y tecnología utilizada para la falsificación de billetes y monedas es más accesible y costeable. La identificación de billetes y monedas falsificadas ha estado enfocada en gran medida en el procesamiento de imágenes. En el presente artículo se utiliza un modelo basado en aprendizaje por transferencia que viene teniendo buenos resultados en problemas específicos de clasificación de imágenes en la actualidad. Se ha construido un conjunto de datos con imágenes de billetes genuinos y falsificados para el entrenamiento y pruebas del modelo. Los resultados obtenidos son muy alentadores y demandan un entrenamiento más robusto con una mayor cantidad de imágenes. Asimismo con algunas mejoras en la arquitectura se podría adaptar un modelo a una aplicación móvil de manera que pueda apoyar al ciudadano de a pie en la identificación de billetes falsificados en tiempo real.
  • Ítem
    Application on semantic segmentation with few labels in the detection of water bodies from PERUSAT-1 satellite's images
    (Pontificia Universidad Católica del Perú, 2020-07-02) Gonzalez Villarreal, Jessenia Margareth Marina; Beltrán Castañón, César Armando
    Remote sensing is widely used to monitor earth surfaces with the main objective of extracting information from it. Such is the case of water surface, which is one of the most affected extensions when flood events occur, and its monitoring helps in the analysis of detecting such affected areas, considering that adequately defining water surfaces is one of the biggest problems that Peruvian authorities are concerned with. In this regard, semi automatic mapping methods improve this monitoring, but this process remains a time-consuming task and into the subjectivity of the experts. In this work, we present a new approach for segmenting water surfaces from satellite images based on the application of convolutional neural networks. First, we explore the application of a U-Net model and then a transfer knowledge-based model. Our results show that both approaches are comparable when trained using an 680-labelled satellite image dataset; however, as the number of training samples is reduced, the performance of the transfer knowledge-based model, which combines high and very high image resolution characteristics, is improved