Publication:
Análisis automático de imagen microscópica para la evaluación de la calidad del semen porcino

Loading...
Thumbnail Image
Identifiers
Publication date
2019-10-14
Defense date
2019-10-14
Tutors
Journal Title
Journal ISSN
Volume Title
Publisher
Impact
Google Scholar
Export
Research Projects
Organizational Units
Journal Issue
Abstract
Actualmente las investigaciones respecto al aprendizaje automático están en auge, ya que éstas son en gran parte, las que conducen a la sociedad a la revolución tecnológica del siglo XXI. Una de las ramas del aprendizaje automático es la denominada aprendizaje profundo, caracterizada por tener un coste computacional mayor. Además, dentro de esta rama, se encuentra el concepto de visión artificial: se trata de conseguir que un modelo de aprendizaje automático sea capaz de tomar determinadas decisiones sobre un conjunto de imágenes sin que éstas hayan sido previamente programadas. En este proyecto se procede a investigar cómo se puede resolver la segmentación de colas de espermatozoides de forma óptima empleando redes neuronales convolucionales, una de las técnicas más empleadas en el aprendizaje profundo. El origen de querer dar solución a esta tarea, viene dado por el error que comete el sistema que desarrolló el Grupo de Procesado Multimedia de la Universidad Carlos III de Madrid. Este algoritmo tiene como objetivo realizar la clasificación de espermatozoides respecto a las anomalías que existen en la forma de sus colas. Si no se segmenta adecuadamente la cola, la clasificación puede ser errónea. Por lo tanto, el objetivo de este trabajo consiste en evaluar cómo de preciso es el sistema de la UC3M con respecto a la segmentación de la cola, determinar en qué falla, y tratar de arreglarlo presentando un sistema alternativo basado en diferentes conceptos del aprendizaje profundo. Las técnicas empleadas se aplican tanto al procesado de imagen, empleando segmentaciones, procesados morfológicos e intersecciones entre imágenes, como a la optimización del aprendizaje automático, usando transferencia de aprendizaje, aumento del conjunto de imágenes o probando diferentes arquitecturas de redes neuronales. El resultado más destacado es que al realizar la transferencia de aprendizaje, se debe de tener muy en cuenta el tipo de problema que se desea abordar para resolverlo adecuadamente, ya que si no puede no ser efectiva. También se demuestran los beneficios que aporta incrementar el número de imágenes artificialmente empleando el aumento de datos. Gracias a los múltiples experimentos realizados, se consigue una solución técnica más precisa que el sistema de segmentación previo.
Description
Keywords
Tratamiento de imágenes, Redes neuronales, Visión máquina, Segmentación en imágenes, Segmentación de objetos
Bibliographic citation