Recently, a variation of GANs, called ClusterGAN, has shown the ability to perform unsupervised classification of images according to content thanks to the use of a discrete-continuous latent space and a clustering-specific loss. This thesis demonstrates that it is possible to cluster images and annotate query images using GANs with some limitations according to image content. These limitations are related to the level of the features that describe an image, since clustering is performed based on low-level features. Also, in this thesis, we propose a new approach to cluster images by their dominant color, obtaining promising results. The proposed approach consists in using several small patches per image and the CIELAB color space because it approximates the way the human vision works.
Recientemente, una variación de las GANs (ClusterGAN), ha demostrado la habilidad de clasificar imágenes según su contenido de forma no supervisada, gracias al uso de un espacio latente discreto-continuo y una perdida especifica para clustering. Esta tesis demuestra que es posible agrupar imágenes y anotar nuevas imágenes utilizando GANs con algunas limitaciones respecto al contenido de estas. Estas limitaciones están relacionadas con el nivel de las características que describen una imagen, ya que el clustering se realiza basado en características de bajo nivel. En esta tesis también proponemos un nuevo enfoque para agrupar imágenes según su color dominante, obteniendo resultados prometedores. El enfoque propuesto consiste en utilizar diversos parches por imagen y el espacio de color CIELAB, ya que aproxima la manera en la que el sistema visual humano funciona.
Recentment, una variació de les GANs (ClusterGAN), ha demostrat l'habilitat de classificar imatges segons el seu contingut de forma no supervisada, gràcies a l'ús d'un espai latent discret-continu i una pèrdua especifica per dur a terme clustering. Aquesta tesi demostra que és possible agrupar imatges i anotar noves imatges utilitzant GANs amb algunes limitacions respecte al contingut d'aquestes. Aquestes limitacions estan relacionades amb el nivell de les característiques que descriuen una imatge, ja que el clustering es realitza basant-se en característiques de baix nivell. En aquesta tesi també proposem un nou enfocament per agrupar imatges segons el seu color dominant, obtenint resultats prometedors. L'enfocament proposat consisteix a utilitzar diversos pedaços per imatge i l'espai de color CIELAB, ja que aproxima la forma en la qual el sistema visual humà funciona.
