Show simple item record

Professor Advisordc.contributor.advisorRuiz del Solar San Martín, Javier
Professor Advisordc.contributor.advisorVerschae Tannenbaum, Rodrigo
Authordc.contributor.authorCossio Montefinale, Luis Gustavo
Associate professordc.contributor.otherTobar Henríquez, Felipe Arturo
Associate professordc.contributor.otherSipirán Mendoza, Iván Anselmo
Admission datedc.date.accessioned2024-05-10T17:39:26Z
Available datedc.date.available2024-05-10T17:39:26Z
Publication datedc.date.issued2023
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/198528
Abstractdc.description.abstractEsta tesis presenta una revisión del estado del arte en detección de frutas, considerando los distintos tipos de algoritmos, metodologías y tipos de frutos estudiadas. También se realiza un análisis del estado del arte en detección general de objetos, enfocado en los algoritmos de aprendizaje profundo y las metodologías de entrenamiento usadas en estos. A partir de estos análisis se observan ciertas diferencias entre las dos áreas, principalmente en la ausencia de ciertos algoritmos y arquitecturas que no han sido usadas en detección de fruta, a pesar de su prevalencia en detección de objetos. Para validar distintos algoritmos y arquitecturas se realiza una comparación exhaustiva de metodologías modernas en detección de objetos y metodologías tradicionales en detección de fruta. Los algoritmos fueron evaluados en dos bases de datos de frutas. La primera es MinneApple, una base de datos pública de manzanas. En segundo lugar, se construyó una base de datos de cerezas, llamada Cherry CO, para tareas de detección y segmentación de objetos. Se observó que redes modernas como Swin, YOLOR y Scaled-YOLOv4 ofrecen mejoras significativas, así como los métodos de aumento de datos Copy-Paste y Mosaic ofrecen mejoras consistentes, principalmente en términos de precisión y recall.es_ES
Patrocinadordc.description.sponsorshipFondo FONDECYT 1201170 Fondo FONDEQUIP EQM170041es_ES
Lenguagedc.language.isoeses_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
Títulodc.titleMetodologías modernas de aprendizaje profundo para la detección de frutaes_ES
Document typedc.typeTesises_ES
dc.description.versiondc.description.versionVersión original del autores_ES
dcterms.accessRightsdcterms.accessRightsAcceso abiertoes_ES
Catalogueruchile.catalogadorgmmes_ES
Departmentuchile.departamentoDepartamento de Ingeniería Eléctricaes_ES
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES
uchile.titulacionuchile.titulacionDoble Titulaciónes_ES
uchile.carrerauchile.carreraIngeniería Civil Eléctricaes_ES
uchile.gradoacademicouchile.gradoacademicoMagisteres_ES
uchile.notadetesisuchile.notadetesisTesis para optar al grado de Magíster en Ciencias de la Ingeniería, Mención Eléctricaes_ES
uchile.notadetesisuchile.notadetesisMemoria para optar al título de Ingeniero Civil Eléctrico


Files in this item

Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States