Ingeniería de Tecnologías de Información y Sistemas
URI permanente para esta colecciónhttps://hdl.handle.net/20.500.12640/4166
Examinar
2 resultados
Resultados de la búsqueda
Ítem Acceso Abierto Diseño de un sistema de visión computacional para el pre-diagnóstico de la enfermedad de Parkinson a partir de la escritura de una persona(Universidad ESAN, 2021) Monroy Malca, Virginia del PilarActualmente, la Enfermedad de Parkinson es la segunda enfermedad neurodegenerativa con más presencia en la población a nivel mundial, afecta directamente la calidad de vida y actividades diarias de una persona. Esta enfermedad está en aumento no solo en el Perú sino en el mundo. Por lo cual, el objetivo de la investigación es implementar un modelo de visión computacional para el pre-diagnóstico de la Enfermedad de Parkinson (EP) a partir de la escritura de una persona. El presente trabajo de investigación es de tipo experimental, explicativo y de enfoque cuantitativo, las fases son las siguientes: Aquisición, Preprocesamiento, Extracción de Características y Modelado y Clasificación. Los resultados de los experimentos alcanzan el nivel del 99% de Accuracy, 99% de Precision, 99% de Recall, 98% de F1 Score y 98% de AUC. Se concluye que, se obtuvo y construyó una base de datos que contiene los manuscritos de personas sanas y con EP. Segundo, se utilizaron técnicas de preprocesamiento, las cuales permitieron mejorar la calidad de las imágenes. Tercero, para la construcción del algoritmo, se hizo un procesamiento a las imágenes, se realizaron experimentos con descriptores SIFT, SURF, ORB y HOG para la extracción de características. Cuarto, se utilizó SVM como modelo de clasificación de Machine Learning (ML), además, se utilizaron redes convolucionales con distintas arquitecturas como VGG16, VGG19, Inception, ResNet50 y LeNet y finalmente se utilizaron técnicas que combinan las CNN + ML, con los modelos SVM, RF y KNN.Ítem Acceso Abierto Impacto del preprocesamiento de imágenes en la efectividad de la verificación facial empleando visión computacional(Universidad ESAN, 2020) Tafur Coronel Zegarra, BrunoEl objetivo de la investigación es evaluar el impacto del preprocesamiento de imágenes en la efectividad de la verificación facial. Un sistema de verificación facial realiza un proceso basado en detección de rostro, preprocesamiento de imagen, extracción de características y verificación facial. Los sistemas de verificación enfrentan desafíos relacionados a la iluminación, expresión o pose. Se decidió evaluar el impacto del preprocesamiento buscando aliviar estas dificultades. Se tomó en cuenta la evaluación del preprocesamiento en términos de alineamiento, suavizamiento, agudizamiento y ecualización. Se realizaron pruebas de efectividad en tres fuentes de información: Labeled Faces in the Wild (LFW), YouTube Faces DB (YTF) y una base de datos obtenida dentro del contexto local. Asimismo, se evaluó en tres algoritmos de extracción de características basados en redes neuronales convolucionales: OpenFace, VGGFace2 y Light CNN. Adicionalmente, se analizó con dos métodos de detección facial: basados en descriptores HOG y Haar. Se utilizó la metodología CRISP-DM para la analítica de datos y la metodología cascada para el desarrollo de software de dos prototipos. Los resultados de las pruebas alcanzaron una efectividad de hasta 98.18% en LFW, 85.72% en YTF y 93.62% en la base de datos del contexto local. Se demostró la relación entre los métodos de preprocesamiento y la efectividad del sistema corroborando que métodos como el alineamiento son muy efectivos. Se demostró que este impacto puede ser positivo o negativo dependiendo de la combinación de factores como la fuente de información, el modelo de verificación facial y el método de detección facial.