Deep learning : xarxes neuronals per anàlisi d'imatges
Adàlia Agustí, Víctor
Casas Roma, Jordi, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Additional title:	Deep learning : redes neuronales para análisis de imágenes
Additional title:	Deep learning : neural networks for image analysis
Date:	2024
Abstract:	Aquest projecte està motivat per l'interès d'aprendre sobre la intel·ligència artificial, centrant-se específicament en les xarxes neuronals i l'aprenentatge profund. Utilitzant el llenguatge de programació Python i la llibreria PyTorch, que facilita la implementació de diverses xarxes neuronals artificials, aquest treball desenvolupa i analitza arquitectures de xarxes neuronals estàndard i convolucionals. L'estudi empra datasets de complexitat diversa, incloent Fashion-MNIST per a tasques més senzilles i Cats vs Dogs per a desafiaments més complexos. Comparant l'eficiència i rendiment d'aquests models, la recerca demostra que les arquitectures més senzilles poden manejar eficientment tasques de classificació bàsiques, mentre que els models preentrenats excel·leixen en escenaris més complexos. Aquesta anàlisi proporciona informació valuosa sobre la idoneïtat de diferents arquitectures de xarxes neuronals segons la complexitat del dataset i ofereix conclusions significatives sobre les seves aplicacions pràctiques en intel·ligència artificial.
Abstract:	Este proyecto está motivado por el interés de aprender sobre la inteligencia artificial, centrándose específicamente en las redes neuronales y el deep learning. Utilizando el lenguaje de programación Python y la librería PyTorch, que facilita la implementación de diversas redes neuronales artificiales, este trabajo desarrolla y analiza arquitecturas de redes neuronales estándar y convolucionales. El estudio emplea datasets de complejidad diversa, incluyendo Fashion-MNIST para tareas más sencillas y Cats vs Dogs para desafíos más complejos. Comparando la eficiencia y rendimiento de estos modelos, la investigación demuestra que las arquitecturas más sencillas pueden manejar eficientemente tareas de clasificación básicas, mientras que los modelos preentrenados sobresalen en escenarios más complejos. Este análisis proporciona información valiosa sobre la idoneidad de diferentes arquitecturas de redes neuronales según la complejidad del dataset y ofrece conclusiones significativas sobre sus aplicaciones prácticas en inteligencia artificial.
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Language:	Català
Studies:	Enginyeria Informàtica [2502441]
Study plan:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Subject area:	Menció Enginyeria del Software
Subject:	Xarxes Neuronals Artificials ; Xarxes Neuronals Convolucionals ; Transfer Learning ; PyTorch ; Deep Learning ; Fashion-MNIST ; Cats vs Dogs ; Anàlisi Comparatiu ; Redes Neuronales Artificiales ; Redes Neuronales Convolucionales ; Análisis Comparativo ; Artificial Neural Networks ; Convolutional Neural Networks ; Comparative Analysis

11 p, 1.7 MB

The record appears in these collections:
Research literature > Bachelor's degree final project > School of Engineering. TFG