Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/12112| Title: | IMPLEMENTACIÓN DE TÉCNICAS PARA TRATAR EL DESBALANCE DE CLASES, EN LA CLASIFICACIÓN DE IMÁGENES DE VIOLENCIA FÍSICA REALIZADA CON REDES NEURONALES ARTIFICIALES |
| Authors: | Cervantes Ambriz, Daniel |
| metadata.dc.subject.other: | Desbalance de clases, Redes neuronales profundas (ResNet18), Técnicas de balanceo de datos, Violencia física |
| Issue Date: | 2025-01-01 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Toluca |
| Description: | En la presente tesis de maestría se abordó el problema del desbalance de clases en la clasificación de imágenes de violencia física mediante redes neuronales artificiales. Este estudio implementa y evalúa diversas técnicas para tratar el desbalance, incluyendo métodos tradicionales (sobremuestreo y submuestreo), generación de datos sintéticos con modelos generativos, y técnicas de aumento de datos. La metodología se basa en la introducción de desbalance controlado (1%, 5%, 10%, 25%, 50%y 75%) en cinco conjuntos de datos públicos, para evaluar la efectividad de cada técnica en diferentes escenarios. Para la clasificación se utilizó una arquitectura ResNet18, evaluando su rendimiento mediante métricas como precisión, sensibilidad y principalmente g-mean. Los resultados muestran que el método Random Over Sampling destaca en escenarios de desbalance extremo (1%-25%), mientras que One Sided Selection y Tomek Links presentan mejor desempeño en escenarios de 50% y 75% respectivamente. El análisis estadístico mediante el Test de Friedman confirma que la elección de la técnica de balanceo debe adaptarse al grado de desbalance del conjunto de datos para optimizar la capacidad del modelo para identificar correctamente los casos de violencia física. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Appears in Collections: | MAESTRIA EN CIENCIAS DE LA INGENIERIA |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Tesis_Daniel_Cervantes.pdf | 6.99 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License