Show simple item record

dc.contributorSalembier Clairon, Philippe Jean
dc.contributorTalbot, Hugues
dc.contributorNajman, Laurent
dc.contributor.authorde la Peña Ruiz, Hector
dc.contributor.otherUniversitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions
dc.date.accessioned2018-10-25T13:24:15Z
dc.date.available2018-10-25T13:24:15Z
dc.date.issued2014-06
dc.identifier.urihttp://hdl.handle.net/2117/123005
dc.descriptionThe goal of this work is to study image criteria to be assigned to morphological trees such as Max/Mintree, Binary Partition Trees or similar representations to be able to classify the tree node and to identify the presence of object of interest in the scene.
dc.description.abstractNowadays the technology is changing the way of performing and it is adapting towards Artificial Intelligence. However this technique is still being introduced and is not common in the domain of image processing based on morphological trees. This thesis focuses on the creation of a criterion based on machine learning to be assigned into morphological tree. The developed criterion is based on a Convolutional Neural Network, called Overfeat, which runs in to the nodes of a Binary Partition Tree, in order to be able to detect traffic signs. It has turned out to be a suitable criterion to identify traffic sings in images but it has room of improvement due to its performance is lower than 70% of success.
dc.description.abstractHoy en día la tecnología está cambiando su forma de actuar y se está adaptando hacia la Inteligencia Artificial. Aunque esta técnica se está introduciendo, no es muy común en el dominio del procesamiento de imagen basado en arboles morfológicos. Esta tesis se centra en la creación de un criterio basado en Machine learning que se asigna a un árbol morfológico. El criterio desarrollado en este proyecto se basa en una Red Neuronal Colvolucional, llamada Overfeat, que trabaja sobre los nodos de un árbol de partición binaria, para ser capaz de identificar señales de tráfico. El criterio ha resultado ser adecuado para identificar señales de tráfico pero aún tiene margen de mejora ya que los resultados obtenidos no son superiores al 70% de acierto.
dc.description.abstractAvui en dia la tecnologia esta canviant la seva forma d'actuar i s'està adaptant cap a la Intel·ligència Artificial. Tot i que aquesta tècnica s'està introduint no és gaire comú en el domini del processament d'imatge basat en arbres morfològics. Aquesta tesis es centra en la creació d'un criteri basat en machine learning que s'assigna a un arbre morfològic. El criteri desenvolupat en aquest projecte es basa en una Xarxa Neuronal Convolucional, anomenada Overfeat, que treballa sobre els nodes d'un arbre de partició binaria, per ser capaç d'identificar senyals de transit. El criteri ha resultat ser adequat per identificar senyals de transit però encara te marge de millora ja que els resultats obtinguts no son superiors al 70% d'encert.
dc.language.isoeng
dc.publisherUniversitat Politècnica de Catalunya
dc.rightsS'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada'
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.subjectÀrees temàtiques de la UPC::Enginyeria de la telecomunicació
dc.subject.lcshImage processing
dc.subject.lcshMachine learning
dc.subject.othermorphological tree
dc.subject.otherProcesamiento de imagen
dc.subject.otherarboles morfológicos
dc.titleDevelopment of criteria suitable for machine learning based on morphological hierarchical trees
dc.typeBachelor thesis
dc.subject.lemacImatges -- Processament
dc.subject.lemacAprenentatge automàtic
dc.identifier.slugETSETB-230.134682
dc.rights.accessOpen Access
dc.date.updated2018-07-13T05:50:26Z
dc.audience.educationlevelGrau
dc.audience.mediatorEscola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona
dc.audience.degreeGRAU EN ENGINYERIA DE SISTEMES AUDIOVISUALS (Pla 2009)


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 Spain
Except where otherwise noted, content on this work is licensed under a Creative Commons license : Attribution-NonCommercial-NoDerivs 3.0 Spain