000101312 001__ 101312
000101312 005__ 20210415110711.0
000101312 037__ $$aTAZ-TFM-2020-1450
000101312 041__ $$aspa
000101312 1001_ $$aRecasens Lafuente, David
000101312 24200 $$aDepth estimation with deep neural networks in endoscopy videos
000101312 24500 $$aEstimación de profundidad con redes neuronales profundas en vídeos de endoscopias
000101312 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2020
000101312 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000101312 520__ $$aEn este trabajo presentamos EndoDepth, una red neuronal profunda no supervisada para estimación robusta de profundidad monocular en vídeos de endoscopias. EndoDepth consigue mejorar el estado del arte al reportar uno errores medios (RMSE) notablemente bajos y lo consigue mientras produce mapas densos de profundidad capturando todos los objetos de la escena, incluso las herramientas.<br /><br />
000101312 521__ $$aMáster Universitario en Ingeniería Industrial
000101312 540__ $$aDerechos regulados por licencia Creative Commons
000101312 700__ $$aCivera Sancho, Javier$$edir.
000101312 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cIngeniería de Sistemas y Automática
000101312 8560_ $$f701792@unizar.es
000101312 8564_ $$s6246863$$uhttps://zaguan.unizar.es/record/101312/files/TAZ-TFM-2020-1450.pdf$$yMemoria (spa)
000101312 909CO $$ooai:zaguan.unizar.es:101312$$pdriver$$ptrabajos-fin-master
000101312 950__ $$a
000101312 951__ $$adeposita:2021-04-15
000101312 980__ $$aTAZ$$bTFM$$cEINA
000101312 999__ $$a20201120223538.CREATION_DATE