1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Chihuahua
4. Instituto Tecnológico de Chihuahua
5. Tesis de Maestría
6. Maestría en Ciencias en Ingeniería Electrónica

Title:	REDES NEURONALES CONVOLUCIONALES APLICADAS AL RECONOCIMIENTO DE IRIS
Authors:	GONZÁLEZ ESTRADA, ADRIÁN ALBERTO
metadata.dc.subject.other:	REDES NEURONALES CONVOLUCIONALES APLICADAS AL RECONOCIMIENTO DE IRIS
Issue Date:	2026-01-01
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Chihuahua
Description:	El reconocimiento de iris se refiere al proceso automático de identificar individuos con base en los patrones visuales específicos del iris. La naturaleza de las características aleatorias y distintivas de este elemento del ojo lo convierte en una señal viable para el reconocimiento biométrico. Un esquema exitoso en el reconocimiento de iris es el uso de las redes neuronales profundas especialmente en el uso de Redes Neuronales Convolucionales (CNN, por sus siglas en inglés) ya que permiten obtener características abstractas. Sin embargo, los modelos basados en CNN utilizan una gran cantidad de recursos computacionales, por otra parte, no las hace factibles para implementaciones en sistemas embebidos/móviles. Por lo tanto, en este trabajo de tesis, se exploró el rendimiento de la utilización de modelos CNN para el reconocimiento del iris del ojo humano, para lo cual, se analizó la red CNN ganadora de premios en reconocimiento de objetos AlexNet y con base en dicha red, proponer un nuevo modelo de CNN que tiene como entrada imágenes segmentadas y normalizadas del iris y en cuanto a su arquitectura consta de 4 capas convoluciones, 3 capas totalmente conectadas, seguidas con sus respectivos mapas de activación y de agrupamiento para cada capa en específico. El modelo propuesto consta de 15 clases que se refieren a personas a identificar. Para probar el modelo propuesto, se utilizó la base de datos UTIRIS V1 y se lograron resultados de desempeño en la red de 97% utilizando el conjunto de imágenes pruebas. Se presentan también, los resultados de la comparación de desempeño de la CNN propuesta contra dos CNN: la AlexNet y la CNN VGG-16.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Appears in Collections:	Maestría en Ciencias en Ingeniería Electrónica

This item is protected by original copyright View License

This item is licensed under a Creative Commons License