Tesis y Trabajos de Investigación PUCP
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/6
El Repositorio Digital de Tesis y Trabajos de Investigación PUCP aporta al Repositorio Institucional con todos sus registros, organizados por grado: Doctorado, Maestría, Licenciatura y Bachillerato. Se actualiza permanentemente con las nuevas tesis y trabajos de investigación sustentados y autorizados, así como también con los que que fueron sustentados años atrás.
Ingresa a su web: Repositorio Digital de Tesis y Trabajos de Investigación PUCP
Explorar
2 resultados
Resultados de búsqueda
Ítem Texto completo enlazado 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 ArmandoEl 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 Texto completo enlazado Modelo para la segmentación y análisis de gravedad de áreas afectadas por incendios forestales usando redes neuronales convolucionales e imágenes satelitales(Pontificia Universidad Católica del Perú, 2024-06-11) Lazo La Rosa, Leandro; Beltrán Castañón, Cesar Armando; Pineda Ancco, Ferdinand EdgardoLa frecuencia de los incendios forestales ha ido en aumento, debido a actividades humanas y por el aumento del calentamiento global. En consecuencia, el proyecto de tesis tiene como objetivo, el desarrollo de un modelo de red neuronal que se puede integrar al análisis de la magnitud y extensión de los daños, además de apoyar en la planificación de los planes de recuperación del área afectada. Para ello, se realiza una segmentación y análisis de áreas afectadas por incendios forestales en imágenes satelitales usando redes neuronales convolucionales. En un principio, obtenemos un historial de incendios forestales en suelo peruano consultando la página de monitoreo de incendios forestales de SERFOR. Luego, las imágenes satelitales capturadas por el satélite Sentinel 2 se obtienen del repositorio de la agencia espacial europea. Finalmente, debido al gran tamaño de las imágenes obtenidas, estas se fraccionan en imágenes de 512 x 512 píxeles, donde posteriormente, se realiza un etiquetado manual del área afectada por el incendio forestal. Por otro lado, el modelo de red neuronal usa dos conjuntos de datos de imágenes 512 x 512 píxeles, capturadas por los satélites LandSat 8 y Sentinel 2. Inicialmente se trabaja con el conjunto de imágenes de LandSat 8 que ya cuentan con una etiqueta del área afectada. Una vez se obtiene el modelo inicial para la segmentación de la cicatriz del incendio. Se realiza un entrenamiento usando las imágenes de Sentinel 2. Para comprobar el correcto funcionamiento, se implementa una interfaz gráfica que ayuda a mostrar las máscaras de segmentación sobreponiéndose con la imagen original. Adicionalmente, se muestran colores calculados con el índice de calcinación normalizado para mostrar la gravedad del incendio forestal.