GENERACIÓN DE IMÁGENES MEDIANTE DEEP LEARNING A PARTIR DE TRAZOS
dc.contributor.author | Fernandez Torres, Sara | |
dc.date.accessioned | 2023-07-24T12:00:07Z | |
dc.date.available | 2023-07-24T12:00:07Z | |
dc.date.issued | 2023-07-19 | |
dc.identifier.uri | https://hdl.handle.net/10115/23664 | |
dc.description | Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: Leopoldo Carro Calvo | |
dc.description.abstract | Este proyecto se centra en desarrollar un modelo de Machine Learning que permita a partir de imágenes de trazos obtener imágenes realistas. Para lograr este objetivo, utilizaremos tecnologías de Deep Learning, Redes Neuronales Convolucionales (CNN) y redes neuronales condicionales Generativas Adversarias (cGAN) en el entorno de Google Colab y Jupyter Notebook en el entorno de Anaconda en lenguaje de programación Python y las librerías de inteligencia artificial Keras y TensorFlow. La elaboración de este proyecto ha consistido en primer lugar en la selección y preprocesado del dataset, posteriormente la elaboración de una red neuronal convolucional y su entrenamiento y finalmente la construcción de una red cGAN a partir de esta y sus posteriores fases de entrenamiento, test y validación. Gracias a este proyecto descubrimos una visión general del concepto y aplicaciones de la inteligencia artificial, así como, del deep learning. Y abordando de manera más profunda la elaboración y funcionamiento de las redes neuronales propuestas. | |
dc.language.iso | spa | |
dc.publisher | Universidad Rey Juan Carlos | |
dc.rights | ||
dc.rights.uri | ||
dc.subject | Deep learning | |
dc.subject | Inteligencia Artificial | |
dc.subject | Redes reuronales | |
dc.subject | Redes convolucionales | |
dc.subject | Redes generativas adversarias | |
dc.title | GENERACIÓN DE IMÁGENES MEDIANTE DEEP LEARNING A PARTIR DE TRAZOS | |
dc.type | info:eu-repo/semantics/studentThesis | |
dc.rights.accessRights | info:eu-repo/semantics/embargoedAccess |
Files in this item
This item appears in the following Collection(s)
-
Trabajos Fin de Grado [3636]
Los ítems de digital-BURJC están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario