000101306 001__ 101306
000101306 005__ 20210415110711.0
000101306 037__ $$aTAZ-TFM-2021-026
000101306 041__ $$aspa
000101306 1001_ $$aPeribañez Sos, Pablo
000101306 24200 $$aBinarization of embeddings in neural networks with and without supervision
000101306 24500 $$aBinarización de descriptores en redes neuronales de manera supervisada y no supervisada
000101306 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2021
000101306 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000101306 520__ $$aLa binarización de descriptores en redes neuronales profundas es una técnica de reciente aparición, que ha surgido de la necesidad de reducir la huella computacional (en procesamiento y almacenamiento) de algoritmos de image retrieval. Entendemos por image retrieval la aplicación cuyo objetivo es encontrar imágenes, similares a una imagen query proporcionada por el usuario, dentro una base de datos de tamaño considerable. Esta reducción de la huella computacional permitiría trabajar en tiempo real a alta frecuencia y/o con bases de datos más grandes, ampliando así el rango de aplicaciones.<br />La binarización de descriptores consiste en transformar la salida de una red neuronal, consistente en un vector formado por números reales en un descriptor binario formado por elementos binarios. Nótese que un número real se representa en memoria con 32 o 64 BITS, mientras que un elemento binario solo necesita 1 BIT. La reducción de la huella computacional viene dada por este menor tamaño en memoria y una comparación más eficaz mediante la denominada distancia de Hamming.<br />La reducción en el tamaño al cambiar de un descriptor al otro es posible por el hecho de que el descriptor continuo presenta redundancia y no todas sus dimensiones son significativas. Este trabajo pretende aprovechar este supuesto y estudiar, implementar y evaluar una serie de técnicas previas a la binarización. Las técnicas se focalizarán en el pre-procesamiento de la imagen, antes del proceso conocido como embedding, como en el post-procesamiento del descriptor continuo antes de ser transformado en binario. También se introducirá una variante en el propio proceso de binarización. <br />Al tratarse de una técnica de reciente estudio, la literatura del tema es escasa. A este reto se le suma encontrar bases de datos adecuadas e implementar una arquitectura de red que permita alcanzar una alta precisión para poder centrar el estudio en el proceso de binarización. Se han utilizado dos bases de datos de uso común en este campo, MNIST Handwritten Digits y CIFAR-10 y se han obtenido resultados que superan la precisión obtenida por algoritmos recientemente publicados.<br /><br />
000101306 521__ $$aMáster Universitario en Ingeniería Industrial
000101306 540__ $$aDerechos regulados por licencia Creative Commons
000101306 700__ $$aCivera Sancho, Javier$$edir.
000101306 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cIngeniería de Sistemas y Automática
000101306 8560_ $$f696389@unizar.es
000101306 8564_ $$s2921936$$uhttps://zaguan.unizar.es/record/101306/files/TAZ-TFM-2021-026.pdf$$yMemoria (spa)
000101306 909CO $$ooai:zaguan.unizar.es:101306$$pdriver$$ptrabajos-fin-master
000101306 950__ $$a
000101306 951__ $$adeposita:2021-04-15
000101306 980__ $$aTAZ$$bTFM$$cEINA
000101306 999__ $$a20210118220408.CREATION_DATE