Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/6614
Full metadata record
DC FieldValueLanguage
dc.contributor.authorAguilar Dominguez, Kevin Salvador%856948-
dc.creatorAguilar Dominguez, Kevin Salvador%856948-
dc.date.accessioned2023-12-04T18:48:13Z-
dc.date.available2023-12-04T18:48:13Z-
dc.date.issued2023-11-23-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/6614-
dc.descriptionDentro del campo de la visión por computadora, se han realizado esfuerzos significativos para desarrollar nuevas teorías y modelos de descriptores en sistemas de recuperación de imágenes basados en contenido. Asimismo, se han intentado establecer estandarizaciones para el contenido multimedia, al igual que nuevos descriptores en el estado del arte que incorporan teorías o metodologías que aprovechan la relación entre características de bajo nivel, como el color y la textura. El documento de tesis presenta un análisis y modificaciones de descriptores que utilizan color y textura para la tarea de recuperación de imágenes, además de presentar un nuevo descriptor. El análisis presentado expone algunas de las debilidades presentes en los descriptores clásicos y del estado del arte, que utilizan color y textura, a su vez presenta propuestas e ideas para subsanar las debilidades detectadas. Los experimentos se realizaron utilizando algunos de los conjuntos de imágenes y métricas encontradas en el estado del arte, con la finalidad de realizar un estudio comparativo en relación con el descriptor propuesto. El análisis reveló discrepancias entre el modelo y la implementación de uno de los descriptores, así como los descriptores con mejor rendimiento, sus principales debilidades y las complicaciones al intentar subsanarlos. Durante la evaluación del rendimiento de las variantes propuestas, se detectaron algunas variantes capaces de obtener un rendimiento superior en la recuperación de imágenes en conjuntos con clases semánticas en comparación con descriptores clásicos del estándar MPEG-7 y descriptores recientes del estado del arte. Principalmente la variante llamada Correlated Microstructure Elements Descriptor (CMED), que consigue una mejora de hasta 26.41% con respecto al estándar MPEG-7 y 10.75% en comparación al estado del arte. Finalmente, los experimentos y resultados presentados cumplen con los objetivos, alcances y actividades establecidas en el proyecto de investigación.es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.subject.otherRecuperación de imágenes por contenido, Representación de imágenes, Descriptor de Microestructuras, Descriptor de estructuras, Correlación de característicases_MX
dc.titleDescripción de Imágenes Naturales en Clases Semánticas para la Recuperación Basada en Contenido.es_MX
dc.typeinfo:eu-repo/semantics/doctoralThesises_MX
dc.contributor.directorPinto Elias, Raul%16149-
dc.contributor.directorGonzalez Serna, Juan Gabriel%123551-
dc.folio216es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmCentro Nacional de Investigación y Desarrollo Tecnológicoes_MX
Appears in Collections:Tesis de Doctorado en Computación

Files in This Item:
File Description SizeFormat 
DC_Kevin_Salvador_Aguilar_Dominguez_2023.pdfTesis2.88 MBAdobe PDFView/Open
DC_Kevin_Salvador_Aguilar_Dominguez_2023_c.pdf
  Restricted Access
Cesión de derechos92.71 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons