Clasificación de objetos empleando imágenes espectrales y aprendizaje de máquina
No Thumbnail Available
Date
2020
Authors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Una de las grandes aplicaciones de las imágenes espectrales es la clasificación de materiales, dentro de los que podemos
encontrar clasificación de alimentos, cultivos y patologías en humanos. Tradicionalmente las imágenes espectrales se pueden clasificar
empleando información del ángulo del vector de información espectral de cada píxel o firma espectral, específicamente empleando la
métrica del mapeador de ángulo espectral (SAM) que se utiliza para comparar una firma espectral del material a clasificar conocido y
el de un píxel espacial no clasificado en la imagen. Por otro lado, recientemente se han desarrollado una serie de algoritmos para la
clasificación, entre ellos se encuentran los basados en redes neuronales convolucionales (CNN), las cuales han mostrado un rendimiento
sobresaliente para la clasificación de imágenes espectrales de manera automática. Por lo tanto, en este proyecto se presenta un clasificador
de objetos empleando imágenes espectrales adquiridas en el laboratorio de óptica del grupo HDSP, por medio de un algoritmo basado en
aprendizaje de máquina con CNN, además, se propone realizar un proceso de segmentación de imágenes para extraer el área de interés
dentro de la escena. Dentro de los diversos algoritmos que se presentan en este proyecto se pueden agrupar en dos bloques uno que emplea
directamente la firma espectral (SpectralNet1) y otro que incluye también información espacial (CarlosNet1 y CarlosNet2). Dentro de los
modelos propuestos de aprendizaje de máquina el modelo que obtiene los mejores resultados para llevar a cabo la tarea de clasificación es
CarlosNet1 obteniendo un 97.3% de precisión en el conjunto de datos de validación.
Description
Keywords
Segmentación, Imágenes espectrales, Aprendizaje de máquina, Aprendizaje de transferencia, Clasificación.