Search among the 161892 resources available in the repository
dc.date.accessioned | 2019-12-03T17:33:49Z | |
dc.date.available | 2019-12-03T17:33:49Z | |
dc.date.issued | 2019 | |
dc.identifier.uri | http://sedici.unlp.edu.ar/handle/10915/86704 | |
dc.description.abstract | El propósito de un método de segmentación es descomponer una imagen en sus partes constitutivas. La segmentación es generalmente la primera etapa en un sistema de análisis de imágenes, y es una de las tareas más críticas debido a que su resultado afectará las etapas siguientes.El objetivo central de esta tarea consiste en agrupar objetos perceptualmente similares basándose en ciertas características en una imagen. Tradicionalmente las aplicaciones de procesamiento de imágenes, visión por computador y robótica se han centrado en las imágenes a color. Sin embargo, el uso de la información de color es limitado hasta cierto a punto debido a que las imágenes obtenidas con cámaras tradicionales no pueden registrar toda la información que la escena tridimensional provee. Una alternativa para afrontar estas dificultades y otorgarle mayor robustez a los algoritmos de segmentación aplicados sobre imágenes obtenidas con cámaras tradicionales es incorporar la información de profundidad perdida en el proceso de captura. Las imágenes que contienen información de color de la escena, y la profundidad de los objetos se denominan imágenes RGB-D Un punto clave de los métodos para segmentar imágenes utilizando datos de color y distancia, es determinar cual es la mejor forma de fusionar estas dos fuentes de información con el objetivo de extraer con mayor precisión los objetos presentes en la escena. Un gran numero de técnicas utilizan métodos de aprendizaje supervisado. Sin embargo, en muchos casos no existen bases de datos que permitan utilizar técnicas supervisadas y en caso de existir, los costos de realizar el entrenamiento de estos métodos puede ser prohibitivo. Las técnicas no supervisadas, a diferencia de las supervisadas, no requieren una fase de entrenamiento a partir de un conjunto de entrenamiento por lo que pueden ser utilizadas en un amplio campo de aplicaciones. En el marco de este trabajo de especialización es de particular interés el análisis de los métodos actuales de segmentación no supervisada de imágenes RGB-D. Un segundo objetivo del presente trabajo es analizar las métricas de evaluación que permiten indicar la calidad del proceso de segmentación. | es |
dc.language | es | es |
dc.subject | Imágenes | es |
dc.subject | Segmentación | es |
dc.subject | RGB | es |
dc.subject | Image segmentation | es |
dc.title | Segmentación no supervisada de imágenes RGB-D | es |
dc.type | Tesis | es |
sedici.creator.person | Lorenti, Luciano Rolando | es |
sedici.subject.materias | Ciencias Informáticas | es |
sedici.description.fulltext | true | es |
mods.originInfo.place | Facultad de Informática | es |
sedici.subtype | Trabajo de especializacion | es |
sedici.rights.license | Creative Commons Attribution 4.0 International (CC BY 4.0) | |
sedici.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
sedici.contributor.director | De Giusti, Armando Eduardo | es |
sedici.contributor.juror | Abásolo Guerrero, María José | es |
sedici.contributor.juror | Bellavita, Jorge | es |
sedici.contributor.juror | Marrone, Luis Armando | es |
thesis.degree.name | Especialista en Computación Gráfica, Imágenes y Visión por Computadora | es |
thesis.degree.grantor | Universidad Nacional de La Plata | es |
sedici.date.exposure | 2019-09-09 | |
sedici.acta | 111 | es |