Por favor, use este identificador para citar o enlazar este ítem: https://rinacional.tecnm.mx/jspui/handle/TecNM/12112
Título : IMPLEMENTACIÓN DE TÉCNICAS PARA TRATAR EL DESBALANCE DE CLASES, EN LA CLASIFICACIÓN DE IMÁGENES DE VIOLENCIA FÍSICA REALIZADA CON REDES NEURONALES ARTIFICIALES
Autor : Cervantes Ambriz, Daniel
metadata.dc.subject.other: Desbalance de clases, Redes neuronales profundas (ResNet18), Técnicas de balanceo de datos, Violencia física
Fecha de publicación : 2025-01-01
Editorial : Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Instituto Tecnológico de Toluca
Descripción : 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
Aparece en las colecciones: MAESTRIA EN CIENCIAS DE LA INGENIERIA

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Tesis_Daniel_Cervantes.pdf6.99 MBAdobe PDFVisualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons