García Munera, Álvaro2023-07-182023-07-182023-07-13https://hdl.handle.net/10115/23055Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: Leopoldo Carro CalvoEn el presente proyecto, desarrollaremos un modelo basado en el Machine Learning, capaz de reconstruir imágenes que previamente han sido editadas, eliminando una región aleatoria de ellas. Consistirá en implementar un autoencoder para la restauración de estas imágenes, utilizando técnicas de Deep Learning y Redes Neuronales Convolucionales para desarrollarlo. El objetivo es que las redes neuronales aprendan a reconstruir automáticamente las imágenes, rellenando la región eliminada de manera realista. La base de datos utilizada será CIFAR-100, que es un conjunto de datos de referencia para evaluar y entrenar algoritmos de clasificación de imágenes y modelos de aprendizaje automático. Lo ejecutaremos en un entorno preconfigurado con las bibliotecas necesarias como Keras y TensorFlow, entre otras, para implementar el código, el cual será Google Colab, con python como lenguaje de programación.spaMachine LearningAutoencoderReconstrucción imágenesDeep LearningRedes NeuronalesKerasTensor flowinfo:eu-repo/semantics/studentThesisinfo:eu-repo/semantics/embargoedAccess