Utilize este identificador para referenciar este registo: 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
Data: 2025-01-01
Editora: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Instituto Tecnológico de Toluca
Descrição: 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 nas colecções:MAESTRIA EN CIENCIAS DE LA INGENIERIA

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Tesis_Daniel_Cervantes.pdf6.99 MBAdobe PDFVer/Abrir


Este registo está protegido por copyright original.



Este registo está protegido por Licença Creative Commons Creative Commons