HERRAMIENTAS PARA LA EJECUCIÓN DE REDES NEURONALES DE ANÁLISIS FACIAL EN DIFERENTES PLATAFORMAS

dc.contributor.authorGil Parente, Hugo
dc.date.accessioned2023-07-19T16:00:13Z
dc.date.available2023-07-19T16:00:13Z
dc.date.issued2023-07-19
dc.descriptionTrabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: José Miguel Buenaposada Biencinto
dc.description.abstractEl proyecto se ha enfocado en la transformación de modelos de redes neuronales implementados en PyTorch a los formatos ONNX y Tensorflow Lite, con el objetivo de explorar diferentes frameworks y aprovechar sus características específicas. Para ello se han investigado estos frameworks, además de los formatos y especificaciones de ONNX. Se han estudiado las diferentes herramientas y métodos disponibles para convertir modelos entrenados en un framework a formato ONNX y viceversa. Se ha desarrollado el software necesario para la transformación de PyTorch a ONNX, y posteriormente a Tensorflow Lite. Además, se ha creado el software de transformación inversa, de Tensorflow Lite a PyTorch, para realizar comparaciones y evaluar el comportamiento del modelo en ambos formatos. Por último, se ha llevado a cabo la implementación de una pequeña demostración de un sistema de alineamiento facial que permite la detección de puntos ocultos en el rostro, además de colocar una textura sobre la cara de la persona delante de la cámara.
dc.identifier.urihttps://hdl.handle.net/10115/23218
dc.language.isospa
dc.publisherUniversidad Rey Juan Carlos
dc.rights
dc.rights.accessRightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.uri
dc.subjectRedes neuronales
dc.subjectPyTorch
dc.subjectONNX
dc.subjectTensorFlow
dc.subjectAnálisis facial
dc.titleHERRAMIENTAS PARA LA EJECUCIÓN DE REDES NEURONALES DE ANÁLISIS FACIAL EN DIFERENTES PLATAFORMAS
dc.typeinfo:eu-repo/semantics/studentThesis

Archivos

Bloque original

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
2022-23-ETSII-A-2059-2059037-h.gilp-MEMORIA.pdf
Tamaño:
3.46 MB
Formato:
Adobe Portable Document Format
Descripción:
Memoria del TFG