Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado

Autores
Pascal, Andrés Jorge; Herrera, Norma Edith; Planas, Adrián Nicolás; Lederhos, Federico
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión aceptada
Descripción
Las Búsquedas por Similitud constituyen un importante campo de estudio en el presente. Un ejemplo de su aplicación es la búsqueda de marcas de ganado, necesaria ante la solicitud de alta de una nueva marca al Departamento de Registro Ganadero. Para calcular su similitud, se suelen utilizar funciones de distancia métrica aplicadas a vectores de características extraídas a partir de su imagen. Existen varios métodos de extracción de características, a los cuales en la última década se le han sumado las Redes Neuronales Profundas Convolucionales (CNN). En este artículo se muestra el uso de una CNN entrenada mediante Redes Siamesas y con técnicas estándares de Aumentación de datos, a las cuales se le añade una técnica propia para mejorar la eficacia de la extracción de características aplicadas a las Búsquedas por Similitud de Marcas de Ganado. Además, se evalúa experimentalmente su performance.
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: Herrera, Norma Edith. Universidad Nacional de San Luis. Departamento de Informática; 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: Lederhos, Federico. 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
Marcas de ganado
Redes siamesas
One-Shot Learning
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2022-12-22T11:41:45Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/7444
Acceder
id RIAUTN_ca617129b39975c16b4fedbe6273f3ee
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/7444
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganadoPascal, Andrés JorgeHerrera, Norma EdithPlanas, Adrián NicolásLederhos, FedericoBúsquedas por similitudMarcas de ganadoRedes siamesasOne-Shot LearningLas Búsquedas por Similitud constituyen un importante campo de estudio en el presente. Un ejemplo de su aplicación es la búsqueda de marcas de ganado, necesaria ante la solicitud de alta de una nueva marca al Departamento de Registro Ganadero. Para calcular su similitud, se suelen utilizar funciones de distancia métrica aplicadas a vectores de características extraídas a partir de su imagen. Existen varios métodos de extracción de características, a los cuales en la última década se le han sumado las Redes Neuronales Profundas Convolucionales (CNN). En este artículo se muestra el uso de una CNN entrenada mediante Redes Siamesas y con técnicas estándares de Aumentación de datos, a las cuales se le añade una técnica propia para mejorar la eficacia de la extracción de características aplicadas a las Búsquedas por Similitud de Marcas de Ganado. Además, se evalúa experimentalmente su performance.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: Herrera, Norma Edith. Universidad Nacional de San Luis. Departamento de Informática; 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: Lederhos, Federico. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.2022-12-22T11:41:45Z2022-12-22T11:41:45Z2022-11-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfapplication/pdf10 º Congreso Nacional de Ingeniería Informática / Sistemas de Información (2022)http://hdl.handle.net/20.500.12272/7444spainfo:eu-repo/semantics/openAccess2022-12-22T11:41:45Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalPascal, Andrés Jorge ; Planas, Adrián Nicolás ; Lederhos, Federico ; Herrera, Norma EdithNo comercial con fines académicos.reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:45:42Zoai:ria.utn.edu.ar:20.500.12272/7444instacron: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 12:45:42.791Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado
title Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado
spellingShingle Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado
Pascal, Andrés Jorge
Búsquedas por similitud
Marcas de ganado
Redes siamesas
One-Shot Learning
title_short Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado
title_full Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado
title_fullStr Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado
title_full_unstemmed Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado
title_sort Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado
dc.creator.none.fl_str_mv Pascal, Andrés Jorge
Herrera, Norma Edith
Planas, Adrián Nicolás
Lederhos, Federico
author Pascal, Andrés Jorge
author_facet Pascal, Andrés Jorge
Herrera, Norma Edith
Planas, Adrián Nicolás
Lederhos, Federico
author_role author
author2 Herrera, Norma Edith
Planas, Adrián Nicolás
Lederhos, Federico
author2_role author
author
author
dc.subject.none.fl_str_mv Búsquedas por similitud
Marcas de ganado
Redes siamesas
One-Shot Learning
topic Búsquedas por similitud
Marcas de ganado
Redes siamesas
One-Shot Learning
dc.description.none.fl_txt_mv Las Búsquedas por Similitud constituyen un importante campo de estudio en el presente. Un ejemplo de su aplicación es la búsqueda de marcas de ganado, necesaria ante la solicitud de alta de una nueva marca al Departamento de Registro Ganadero. Para calcular su similitud, se suelen utilizar funciones de distancia métrica aplicadas a vectores de características extraídas a partir de su imagen. Existen varios métodos de extracción de características, a los cuales en la última década se le han sumado las Redes Neuronales Profundas Convolucionales (CNN). En este artículo se muestra el uso de una CNN entrenada mediante Redes Siamesas y con técnicas estándares de Aumentación de datos, a las cuales se le añade una técnica propia para mejorar la eficacia de la extracción de características aplicadas a las Búsquedas por Similitud de Marcas de Ganado. Además, se evalúa experimentalmente su performance.
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: Herrera, Norma Edith. Universidad Nacional de San Luis. Departamento de Informática; 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: Lederhos, Federico. 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 constituyen un importante campo de estudio en el presente. Un ejemplo de su aplicación es la búsqueda de marcas de ganado, necesaria ante la solicitud de alta de una nueva marca al Departamento de Registro Ganadero. Para calcular su similitud, se suelen utilizar funciones de distancia métrica aplicadas a vectores de características extraídas a partir de su imagen. Existen varios métodos de extracción de características, a los cuales en la última década se le han sumado las Redes Neuronales Profundas Convolucionales (CNN). En este artículo se muestra el uso de una CNN entrenada mediante Redes Siamesas y con técnicas estándares de Aumentación de datos, a las cuales se le añade una técnica propia para mejorar la eficacia de la extracción de características aplicadas a las Búsquedas por Similitud de Marcas de Ganado. Además, se evalúa experimentalmente su performance.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-22T11:41:45Z
2022-12-22T11:41:45Z
2022-11-04
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 10 º Congreso Nacional de Ingeniería Informática / Sistemas de Información (2022)
http://hdl.handle.net/20.500.12272/7444
identifier_str_mv 10 º Congreso Nacional de Ingeniería Informática / Sistemas de Información (2022)
url http://hdl.handle.net/20.500.12272/7444
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2022-12-22T11:41:45Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Pascal, Andrés Jorge ; Planas, Adrián Nicolás ; Lederhos, Federico ; Herrera, Norma Edith
No comercial con fines académicos.
eu_rights_str_mv openAccess
rights_invalid_str_mv 2022-12-22T11:41:45Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Pascal, Andrés Jorge ; Planas, Adrián Nicolás ; Lederhos, Federico ; Herrera, Norma Edith
No comercial con fines académicos.
dc.format.none.fl_str_mv pdf
application/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_ 1877230906937180160
score 13.24418

Publicaciones similares