Browsing by Author "Toledo, Sofía"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Analisis de la influencia del preprocesamiento de imágenes SAR en la clasificación de navíos utilizando CNN
    (2024) Nemer Pelliza, Karim Alejandra; Steiner, Guillermo M.; Toledo, Sofía
    En este trabajo, se evalua la influencia ´ de tecnicas de preprocesamiento utilizando Wavelet en ´ la clasificacion de barcos mediante redes neuronales ´ convolucionales (CNN). Las imagenes SAR, por su ca- ´ pacidad de adquisicion en condiciones adversas, resulta ´ utiles para la identificaci ´ on de embarcaciones no cola- ´ borativas en zonas de explotacion exclusiva, el principal ´ problema en el uso de estas imagenes, es el ruido ´ ”speckle”. Se analiza como la eliminaci ´ on de ruido ´ puede mejorar o empeorar la tarea de clasificacion. ´ Se explica el uso de Wavelets para reducir el ruido, especialmente mediante tecnicas de umbralizaci ´ on, y ´ como esto afecta el entrenamiento de CNN. Se realiza- ´ ron pruebas con 30 configuraciones diferentes de CNN y 58 diferentes Transformadas de Wavelets (TW) para el preprocesamiento de imagenes, eligiendo finalmente ´ aquella que mostro un mejor rendimiento.
  • Thumbnail Image
    Item
    Armado de una base de datos con imágenes satelitales SAR de embarcaciones con información AIS
    (2023) Nemer Pelliza, Karim Alejandra; Steiner, Guillermo M.; Toledo, Sofía
    Este trabajo presenta un método para la expansión de una base de datos de imágenes satelitales SAR con el objetivo de mejorar la clasificación de embarcaciones mediante inteligencia artificial.
  • Thumbnail Image
    Item
    Influencia del uso de Wavelets sobre imágenes SAR para la clasificación, usando CNN
    (2025) Nemer Pelliza, Karim Alejandra; Steiner, Guillermo M.; Toledo, Sofía
    Dentro de la clasificación de imágenes satelitales de tipo SAR (Radar de Apertura Sintética) utilizando Inteligencia Artificial (AI), el uso de preprocesamiento influye fuertemente en el resultado final. En este trabajo se muestra el comportamiento de las 10 combinaciones Wavelet CNN (Redes Neuronales Convolucionales) más eficientes, para lo cual se aplicaron 58 Transformadas Wavelets, a modo de preprocesamiento, combinando tipo de función y niveles, a imágenes SAR de una base de datos de 20.000 navíos. Se utilizó cada una de estas configuraciones para el entrenamiento de 50 estructuras diferentes de CNN. Con estos resultados se elaboró el presente informe.