Redes Neuronales Convolucionales para Una Clasificacion Precisa de Imagenes de Corales

Anabel Gómez-Rıos, Siham Tabik, Julian Luengo, Francisco Herrera, ASM Shihavuddin, Bartosz Krawczyk

Research output: Chapter in Book/Report/Conference proceedingArticle in proceedingsResearchpeer-review

92 Downloads (Pure)

Abstract

El reconocimiento de especies de corales basado en imágenes submarinas de texturas plantea una gran dificultad para los algoritmos de aprendizaje automático, debido a la naturaleza de los datos y las caracterısticas que tienen. Entre otras, encontramos que los conjuntos de datos no incluyen información sobre la estructura global del coral, que muchas especies de coral tienen caracterısticas muy similares y que definir los lımites espaciales entre clases es difıcil ya que muchos corales tienden a vivir juntos. Por ello, la clasificación de especies de corales siempre ha requerido de la ayuda de un experto. El objetivo de este trabajo es desarrollar un modelo de clasificación precisa para imágenes de textura de corales. Nos hemos centrado en dos conjuntos de datos de imágenes de texturas y hemos analizado 1) varias arquitecturas de redes neuronales convolucionales, 2) transfer learning y 3) técnicas de data augmentation. Hemos alcanzado los porcentajes de clasificación más altos usando diferentes variaciones de ResNet en ambos conjuntos de datos.
Original languageEnglish
Title of host publicationXVIII Conferencia de la Asociacion Espanola para la Inteligencia Artificial
Publication date2019
Pages1171-1176
Publication statusPublished - 2019
EventXVIII Conferencia de la Asociación Española para la Inteligencia Artificial - Granada, Spain
Duration: 23 Oct 201826 Oct 2018
Conference number: 18

Conference

ConferenceXVIII Conferencia de la Asociación Española para la Inteligencia Artificial
Number18
CountrySpain
CityGranada
Period23/10/201826/10/2018

Cite this

Gómez-Rıos, A., Tabik, S., Luengo, J., Herrera, F., Shihavuddin, ASM., & Krawczyk, B. (2019). Redes Neuronales Convolucionales para Una Clasificacion Precisa de Imagenes de Corales. In XVIII Conferencia de la Asociacion Espanola para la Inteligencia Artificial (pp. 1171-1176)
Gómez-Rıos, Anabel ; Tabik, Siham ; Luengo, Julian ; Herrera, Francisco ; Shihavuddin, ASM ; Krawczyk, Bartosz. / Redes Neuronales Convolucionales para Una Clasificacion Precisa de Imagenes de Corales. XVIII Conferencia de la Asociacion Espanola para la Inteligencia Artificial. 2019. pp. 1171-1176
@inproceedings{a42b8c1c22f54a54a4ebcd59b11719b8,
title = "Redes Neuronales Convolucionales para Una Clasificacion Precisa de Imagenes de Corales",
abstract = "El reconocimiento de especies de corales basado en im{\'a}genes submarinas de texturas plantea una gran dificultad para los algoritmos de aprendizaje autom{\'a}tico, debido a la naturaleza de los datos y las caracterısticas que tienen. Entre otras, encontramos que los conjuntos de datos no incluyen informaci{\'o}n sobre la estructura global del coral, que muchas especies de coral tienen caracterısticas muy similares y que definir los lımites espaciales entre clases es difıcil ya que muchos corales tienden a vivir juntos. Por ello, la clasificaci{\'o}n de especies de corales siempre ha requerido de la ayuda de un experto. El objetivo de este trabajo es desarrollar un modelo de clasificaci{\'o}n precisa para im{\'a}genes de textura de corales. Nos hemos centrado en dos conjuntos de datos de im{\'a}genes de texturas y hemos analizado 1) varias arquitecturas de redes neuronales convolucionales, 2) transfer learning y 3) t{\'e}cnicas de data augmentation. Hemos alcanzado los porcentajes de clasificaci{\'o}n m{\'a}s altos usando diferentes variaciones de ResNet en ambos conjuntos de datos.",
author = "Anabel G{\'o}mez-Rıos and Siham Tabik and Julian Luengo and Francisco Herrera and ASM Shihavuddin and Bartosz Krawczyk",
year = "2019",
language = "English",
pages = "1171--1176",
booktitle = "XVIII Conferencia de la Asociacion Espanola para la Inteligencia Artificial",

}

Gómez-Rıos, A, Tabik, S, Luengo, J, Herrera, F, Shihavuddin, ASM & Krawczyk, B 2019, Redes Neuronales Convolucionales para Una Clasificacion Precisa de Imagenes de Corales. in XVIII Conferencia de la Asociacion Espanola para la Inteligencia Artificial. pp. 1171-1176, XVIII Conferencia de la Asociación Española para la Inteligencia Artificial, Granada, Spain, 23/10/2018.

Redes Neuronales Convolucionales para Una Clasificacion Precisa de Imagenes de Corales. / Gómez-Rıos, Anabel ; Tabik, Siham; Luengo, Julian; Herrera, Francisco; Shihavuddin, ASM; Krawczyk, Bartosz.

XVIII Conferencia de la Asociacion Espanola para la Inteligencia Artificial. 2019. p. 1171-1176.

Research output: Chapter in Book/Report/Conference proceedingArticle in proceedingsResearchpeer-review

TY - GEN

T1 - Redes Neuronales Convolucionales para Una Clasificacion Precisa de Imagenes de Corales

AU - Gómez-Rıos, Anabel

AU - Tabik, Siham

AU - Luengo, Julian

AU - Herrera, Francisco

AU - Shihavuddin, ASM

AU - Krawczyk, Bartosz

PY - 2019

Y1 - 2019

N2 - El reconocimiento de especies de corales basado en imágenes submarinas de texturas plantea una gran dificultad para los algoritmos de aprendizaje automático, debido a la naturaleza de los datos y las caracterısticas que tienen. Entre otras, encontramos que los conjuntos de datos no incluyen información sobre la estructura global del coral, que muchas especies de coral tienen caracterısticas muy similares y que definir los lımites espaciales entre clases es difıcil ya que muchos corales tienden a vivir juntos. Por ello, la clasificación de especies de corales siempre ha requerido de la ayuda de un experto. El objetivo de este trabajo es desarrollar un modelo de clasificación precisa para imágenes de textura de corales. Nos hemos centrado en dos conjuntos de datos de imágenes de texturas y hemos analizado 1) varias arquitecturas de redes neuronales convolucionales, 2) transfer learning y 3) técnicas de data augmentation. Hemos alcanzado los porcentajes de clasificación más altos usando diferentes variaciones de ResNet en ambos conjuntos de datos.

AB - El reconocimiento de especies de corales basado en imágenes submarinas de texturas plantea una gran dificultad para los algoritmos de aprendizaje automático, debido a la naturaleza de los datos y las caracterısticas que tienen. Entre otras, encontramos que los conjuntos de datos no incluyen información sobre la estructura global del coral, que muchas especies de coral tienen caracterısticas muy similares y que definir los lımites espaciales entre clases es difıcil ya que muchos corales tienden a vivir juntos. Por ello, la clasificación de especies de corales siempre ha requerido de la ayuda de un experto. El objetivo de este trabajo es desarrollar un modelo de clasificación precisa para imágenes de textura de corales. Nos hemos centrado en dos conjuntos de datos de imágenes de texturas y hemos analizado 1) varias arquitecturas de redes neuronales convolucionales, 2) transfer learning y 3) técnicas de data augmentation. Hemos alcanzado los porcentajes de clasificación más altos usando diferentes variaciones de ResNet en ambos conjuntos de datos.

M3 - Article in proceedings

SP - 1171

EP - 1176

BT - XVIII Conferencia de la Asociacion Espanola para la Inteligencia Artificial

ER -

Gómez-Rıos A, Tabik S, Luengo J, Herrera F, Shihavuddin ASM, Krawczyk B. Redes Neuronales Convolucionales para Una Clasificacion Precisa de Imagenes de Corales. In XVIII Conferencia de la Asociacion Espanola para la Inteligencia Artificial. 2019. p. 1171-1176