FRCU - GIBD : Grupo de Investigación en Bases de Datos
Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/774
Browse
12 results
Search Results
Item Mejorando la identificación de marcas de ganado vacuno : redes siamesas en el aprendizaje de funciones de distancia(2023-10-12) Pascal, Andrés Jorge; Planas, Adrián Nicolás; Stauber, Federico J.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.Item Construcción de una función de distancia para consultar por similitud caracteres de hueso de oráculo(2023-11-03) Pascal, Andrés Jorge; Planas, Adrián Nicolás; Castiglioni, León; Stauber, Federico J.; López, Martín RodrigoLos caracteres de hueso de oráculo (OBC) de la antigua China representan el sistema de escritura antiguo más renombrado a nivel mundial. El estudio e identificación de los OBC y su desciframiento se erigen como uno de los aspectos más cruciales dentro de la esfera de investigación de estos artefactos históricos. Entre los desafíos que enfrenta esta investigación, destaca el hecho de que la revisión de la literatura al respecto suele demandar considerables recursos temporales y de mano de obra. En consecuencia, la digitalización de la literatura OBC surge como una dirección inevitable para el desarrollo futuro de este campo. Por otro lado, durante la última década las Redes Neuronales Profundas Convolucionales (CNN) han demostrado un alto rendimiento en el procesamiento automático de imágenes. Este artículo presenta un enfoque que combina preprocesamiento, aumento de datos y modelos CNN para aprender una función de distancia para buscar por similitud caracteres OBC en un escenario Few-Shot Learning, utilizando una arquitectura de Redes Siamesas en su proceso de entrenamiento. La principal ventaja de utilizar Búsquedas por Similitud en lugar de modelos de clasificación, es que el sistema permite el agregado de nuevos elementos (clases) sin modificación del modelo ni reentrenamiento.Item Búsquedas por similitud de logos: extracción de características usando IA en escenarios de datos escasos(2023-11-03) Pascal, Andrés Jorge; Bonti, Agustina; Vidal Leiva, Florencia Zoe; Bonti, Iván Federico; Tonelotto, Lucas FranciscoEn el panorama actual, las Búsquedas por Similitud emergen como un ámbito de profundo interés. La evaluación de la similitud entre objetos generalmente involucra el empleo de funciones métricas de distancia aplicadas a vectores que representan características extraídas a partir de los mismos. Este artículo se enfoca en la extracción de características aplicada a imágenes de logos de clubes, utilizando técnicas modernas de aprendizaje automático; en particular, Redes Neuronales Profundas Convolucionales (CNN), Redes Siamesas y Transfer Learning/Fine Tuning. Si bien estas técnicas son muy potentes, su aplicación conlleva en algunos casos el desafío del entrenamiento ante datos escasos (One Shot Learning, en este caso). En este estudio comparamos dos enfoques de extracción de características en el contexto de escasez de datos, proponemos un método eficaz de preprocesamiento, y evaluamos experimentalmente el rendimiento de ambos métodos aplicados a la búsqueda por similitud de logos.Item Inteligencia artificial en la búsqueda de imágenes(2023-09-28) Pascal, Andrés Jorge; Planas, Adrián Nicolás; Bonti, Agustina; Castiglioni, León; Stauber, Federico J.; Lederhos, Federico; Bonti, Iván Federico; Tonelotto, Lucas Francisco; López, Martín Rodrigo; Vidal Leiva, Florencia ZoePresentación en el marco de la semana de la ciencia del Grupo GBD sobre el uso de la IA en búsqueda de imágenes por similitud.Item Búsqueda por similitud de objetos no estructurados : rostros, pinturas, huellas digitales, cadenas de texto, logos, marcas, banderas, sonidos, texto, etc.(2023-09-28) Pascal, Andrés Jorge; Dutra, Francisco; Retamero, Marcos Sebastián; Silveyra, Gonzalo Nahuel; Suárez, Pablo; Olivera, Eduardo Maximiliano; Korell Benedetti, Agustín; Martinelli, Iara; Fernández, María Emilia; Davezac, Luciano EmmanuelBúsqueda de Reglamentación utilizando técnicas de Procesamiento del Lenguaje Natural en ISI.Item Extracción de características utilizando redes siamesas y aumentación aplicada a las búsquedas por similitud de marcas de ganado(2022-11-04) Pascal, Andrés Jorge; Herrera, Norma Edith; Planas, Adrián Nicolás; Lederhos, FedericoLas 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.Item Búsqueda por similitud de marcas de ganado vacuno(Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura., 2016-11-04) Pascal, Andrés Jorge; Romani, Rita Marisa; Michel, Lucrecia AnalíaSimilarity searching is an important field of study in the present days. An example of its application is the process of seeking cattle brands that is required during the registration of a trademark. In the present article, a method of similarity searching of cattle brands is presented. This method uses a variation of the Hausdorff distance that improve the precision of the resultsItem Búsqueda por similitud de posiciones de ajedrez(Universidad Nacional de San Luis. Red de Universidades con Carreras en Informática., 2016-10-03) González, Diego; Pascal, Andrés Jorge; De Battista, Anabella Cecilia; Herrera, Norma EdithLas búsquedas por similitud constituyen un campo de estudio de gran importancia en la actualidad. En el presente trabajo se propone una función distancia para consultar por similitud posiciones de ajedrez sobre bases de datos de partidas, ya que actualmente estas consultas están limitadas a búsquedas exactas. Se evalúa su comportamiento mediante distintos tipos de pruebas sobre las fases del juego.Item Búsqueda por similitud para recuperación de imágenes(2011-11-03) Planas, Adrián Nicolás; Pascal, Andrés Jorge; De Battista, Anabella Cecilia; Díaz, Alejandra Alcira; Herrera, Norma EdithEn la búsqueda de imágenes por similitud en grandes bases de datos, es tan importante la eficiencia del sistema como su eficacia. La eficacia depende principalmente del preprocesamiento de las imágenes, de la técnica de extracción de características y de la función de distancia o disimilitud que se emplee. Por otro lado, los factores de mayor relevancia para la eficiencia del proceso son el costo de la función de distancia y el tipo de índice que se utilice para acelerar la búsqueda. En este trabajo se propone y evalúa experimentalmente una implementación completa orientada al uso de índices métricos para la búsqueda de imágenes por similitud, que adapta métodos y técnicas existentes para integrar en forma eficiente y eficaz estos elementos.Item Procesamiento de consultas métrico-temporales(2007-10-09) De Battista, Anabella Cecilia; Pascal, Andrés Jorge; Gutierrez, Gilberto; Herrera, Norma EdithThe temporal databases allow efficiently to store and recover data that have a temporal component. The metric spaces are a databases model that support similarity searches, that is to say, searches of objects similar to a given query element. There are a vast number of applications where it turns out from interest to also make searches by similarity but having in account the temporal component. This new type of query cannot be efficiently solved neither with temporal indexes, nor with metric indexes. In this article we undertook the study of these queries in order to formalize this concept and to propose efficient methods for its resolution. For it, we present the FHQT-Temporal, an adaptation of metric index FHQT with the aggregate of time intervals. Finally we verified experimentally the efficiency of this structure of access for a determined set of queries.