Elez Mencia, Rebeca2023-07-192023-07-192023-07-18https://hdl.handle.net/10115/23190Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: Leopoldo Carro CalvoEn la actualidad, la síntesis de imágenes es uno de los campos con más impacto en la inteligencia artificial y el aprendizaje profundo. En este trabajo, para llevar a cabo la síntesis de imágenes se parte de la segmentación semántica de las mismas. La utilización de esta segmentación semántica con deep learning está suponiendo grandes avances en ámbitos como la medicina, el reconocimiento facial o el desarrollo de vehículos inteligentes. Este proyecto tiene como objetivo la creación de tres modelos para la generación de imágenes a partir de sus máscaras semánticas. Cada modelo será implementado utilizando distintas arquitecturas de redes neuronales convolucionales. Se han empleado la arquitectura Codificador - Decodificador, los bloques residuales y las redes GAN para poder obtener una imagen realista partiendo de su segmentación semántica. Además, se ha llevado a cabo la generación de un dataset propio partiendo de la base de datos ADE20K.spadeep learningsegmentación semánticaredes convolucionalesade20kinfo:eu-repo/semantics/studentThesisinfo:eu-repo/semantics/embargoedAccess