Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distancia

Autores
Pascal, Andrés Jorge; Planas, Adrián Nicolás; Stauber, Federico J.
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión aceptada
Descripción
Las Búsquedas por Similitud son importantes en diversas aplicaciones, incluyendo la identificación de marcas de ganado vacuno para el registro ganadero. Para calcular la similitud entre estas marcas, se utilizan funciones de distancia que miden dicha similitud en base a sus características, o en forma directa a partir de las imágenes correspondientes. En esta última década, las Redes Neuronales Profundas Convolucionales (CNN) han alcanzado muy buena performance en el procesamiento de imágenes. En este artículo se propone un método de preprocesamiento, aumentación de datos y modelos de CNN para aprender una función de distancia en un escenario de One-Shot learning utilizando una arquitectura de Redes Siamesas como mecanismo de entrenamiento.
Fil: Pascal, Andrés Jorge. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Planas, Adrián Nicolás. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Stauber, Federico J. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Materia
Búsquedas por similitud
Metric learning
Marcas de ganado
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-11-08T12:33:22Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8752
Acceder
id RIAUTN_823f401a37f1ec9b413254e0bba956a5
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8752
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distanciaPascal, Andrés JorgePlanas, Adrián NicolásStauber, Federico J.Búsquedas por similitudMetric learningMarcas de ganadoLas Búsquedas por Similitud son importantes en diversas aplicaciones, incluyendo la identificación de marcas de ganado vacuno para el registro ganadero. Para calcular la similitud entre estas marcas, se utilizan funciones de distancia que miden dicha similitud en base a sus características, o en forma directa a partir de las imágenes correspondientes. En esta última década, las Redes Neuronales Profundas Convolucionales (CNN) han alcanzado muy buena performance en el procesamiento de imágenes. En este artículo se propone un método de preprocesamiento, aumentación de datos y modelos de CNN para aprender una función de distancia en un escenario de One-Shot learning utilizando una arquitectura de Redes Siamesas como mecanismo de entrenamiento.Fil: Pascal, Andrés Jorge. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.Fil: Planas, Adrián Nicolás. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.Fil: Stauber, Federico J. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.2023-11-08T12:33:22Z2023-11-08T12:33:22Z2023-10-12info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfCongreso Argentino de Ciencias de la Computación. (2023)http://hdl.handle.net/20.500.12272/8752spainfo:eu-repo/semantics/openAccess2023-11-08T12:33:22Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalPascal, Andrés Jorge ; Planas, Adrián Nicolás ; Stauber, Federico J.No comercial con fines académicos.reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:44:13Zoai:ria.utn.edu.ar:20.500.12272/8752instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:44:14.677Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distancia
title Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distancia
spellingShingle Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distancia
Pascal, Andrés Jorge
Búsquedas por similitud
Metric learning
Marcas de ganado
title_short Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distancia
title_full Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distancia
title_fullStr Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distancia
title_full_unstemmed Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distancia
title_sort Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distancia
dc.creator.none.fl_str_mv Pascal, Andrés Jorge
Planas, Adrián Nicolás
Stauber, Federico J.
author Pascal, Andrés Jorge
author_facet Pascal, Andrés Jorge
Planas, Adrián Nicolás
Stauber, Federico J.
author_role author
author2 Planas, Adrián Nicolás
Stauber, Federico J.
author2_role author
author
dc.subject.none.fl_str_mv Búsquedas por similitud
Metric learning
Marcas de ganado
topic Búsquedas por similitud
Metric learning
Marcas de ganado
dc.description.none.fl_txt_mv Las Búsquedas por Similitud son importantes en diversas aplicaciones, incluyendo la identificación de marcas de ganado vacuno para el registro ganadero. Para calcular la similitud entre estas marcas, se utilizan funciones de distancia que miden dicha similitud en base a sus características, o en forma directa a partir de las imágenes correspondientes. En esta última década, las Redes Neuronales Profundas Convolucionales (CNN) han alcanzado muy buena performance en el procesamiento de imágenes. En este artículo se propone un método de preprocesamiento, aumentación de datos y modelos de CNN para aprender una función de distancia en un escenario de One-Shot learning utilizando una arquitectura de Redes Siamesas como mecanismo de entrenamiento.
Fil: Pascal, Andrés Jorge. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Planas, Adrián Nicolás. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Stauber, Federico J. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
description Las Búsquedas por Similitud son importantes en diversas aplicaciones, incluyendo la identificación de marcas de ganado vacuno para el registro ganadero. Para calcular la similitud entre estas marcas, se utilizan funciones de distancia que miden dicha similitud en base a sus características, o en forma directa a partir de las imágenes correspondientes. En esta última década, las Redes Neuronales Profundas Convolucionales (CNN) han alcanzado muy buena performance en el procesamiento de imágenes. En este artículo se propone un método de preprocesamiento, aumentación de datos y modelos de CNN para aprender una función de distancia en un escenario de One-Shot learning utilizando una arquitectura de Redes Siamesas como mecanismo de entrenamiento.
publishDate 2023
dc.date.none.fl_str_mv 2023-11-08T12:33:22Z
2023-11-08T12:33:22Z
2023-10-12
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str acceptedVersion
dc.identifier.none.fl_str_mv Congreso Argentino de Ciencias de la Computación. (2023)
http://hdl.handle.net/20.500.12272/8752
identifier_str_mv Congreso Argentino de Ciencias de la Computación. (2023)
url http://hdl.handle.net/20.500.12272/8752
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-11-08T12:33:22Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Pascal, Andrés Jorge ; Planas, Adrián Nicolás ; Stauber, Federico J.
No comercial con fines académicos.
eu_rights_str_mv openAccess
rights_invalid_str_mv 2023-11-08T12:33:22Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Pascal, Andrés Jorge ; Planas, Adrián Nicolás ; Stauber, Federico J.
No comercial con fines académicos.
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230874610630656
score 13.24418

Publicaciones similares