Descriptores espacio-frecuencia para identificación automática de patrones de textura en productos textiles utilizando aprendizaje supervisado
En este documento se presenta un caso de estudio para evaluar la eficiencia que presentan los descriptores espacio frecuencia en la clasificación de patrones textiles. La metodología de trabajo consta de tres etapas fundamentales, la caracterización, la clasificación y la validación. En la etapa de...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Editorial Neogranadina
2018-05-01
|
| Series: | Ciencia e Ingeniería Neogranadina |
| Subjects: | |
| Online Access: | https://revistasunimilitareduco.biteca.online/index.php/rcin/article/view/3212 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832539830452486144 |
|---|---|
| author | Arley Bejarano Martínez Andres Felipe Calvo Salcedo Carlos Alberto Henao Baena |
| author_facet | Arley Bejarano Martínez Andres Felipe Calvo Salcedo Carlos Alberto Henao Baena |
| author_sort | Arley Bejarano Martínez |
| collection | DOAJ |
| description |
En este documento se presenta un caso de estudio para evaluar la eficiencia que presentan los descriptores espacio frecuencia en la clasificación de patrones textiles. La metodología de trabajo consta de tres etapas fundamentales, la caracterización, la clasificación y la validación. En la etapa de caracterización se utilizan descriptores como la transformada Wavelet, la transformada de Fourier y la adaptación de la Transformada corta de Fourier en espacio para la generación de un vector de características, a este vector se le computa los momentos estadísticos como Kurtosis, sesgo, media y desviación estándar. Para la etapa de clasificación se analiza el uso de tres métodos del estado del arte como lo son las Máquinas de Soporte Vectorial (SVM), las Redes Neuronales Artificiales (RNA) y el Proceso Gaussiano (GP). Para validar el método se construye una base de datos anotada con diez tipos de telas con un total de 1000 fotos, a las cuales se le aplica el proceso caracterización y clasificación por medio de un experimento Montecarlo. En esta etapa se generan configuraciones aleatorias de entrenamiento (70%) y prueba (30%) obteniendo el desempeño de cada modelo de clasificación. Por último se obtiene la matriz de confusión y se determinan los porcentajes de acierto de cada experimento.
|
| format | Article |
| id | doaj-art-836b98d9e27b4e7fabf4be6a079800bc |
| institution | Kabale University |
| issn | 0124-8170 1909-7735 |
| language | English |
| publishDate | 2018-05-01 |
| publisher | Editorial Neogranadina |
| record_format | Article |
| series | Ciencia e Ingeniería Neogranadina |
| spelling | doaj-art-836b98d9e27b4e7fabf4be6a079800bc2025-02-05T08:57:51ZengEditorial NeogranadinaCiencia e Ingeniería Neogranadina0124-81701909-77352018-05-01282Descriptores espacio-frecuencia para identificación automática de patrones de textura en productos textiles utilizando aprendizaje supervisadoArley Bejarano Martínez0https://orcid.org/0000-0002-0470-537XAndres Felipe Calvo Salcedo1https://orcid.org/0000-0001-9409-8982Carlos Alberto Henao Baena2https://orcid.org/0000-0001-9873-8211Universidad Tecnológica de PereiraUniversidad Tecnológica de PereiraServicio Nacional de Aprendizaje (SENA) En este documento se presenta un caso de estudio para evaluar la eficiencia que presentan los descriptores espacio frecuencia en la clasificación de patrones textiles. La metodología de trabajo consta de tres etapas fundamentales, la caracterización, la clasificación y la validación. En la etapa de caracterización se utilizan descriptores como la transformada Wavelet, la transformada de Fourier y la adaptación de la Transformada corta de Fourier en espacio para la generación de un vector de características, a este vector se le computa los momentos estadísticos como Kurtosis, sesgo, media y desviación estándar. Para la etapa de clasificación se analiza el uso de tres métodos del estado del arte como lo son las Máquinas de Soporte Vectorial (SVM), las Redes Neuronales Artificiales (RNA) y el Proceso Gaussiano (GP). Para validar el método se construye una base de datos anotada con diez tipos de telas con un total de 1000 fotos, a las cuales se le aplica el proceso caracterización y clasificación por medio de un experimento Montecarlo. En esta etapa se generan configuraciones aleatorias de entrenamiento (70%) y prueba (30%) obteniendo el desempeño de cada modelo de clasificación. Por último se obtiene la matriz de confusión y se determinan los porcentajes de acierto de cada experimento. https://revistasunimilitareduco.biteca.online/index.php/rcin/article/view/3212Textilestiempo frecuenciatransformada de Fourier |
| spellingShingle | Arley Bejarano Martínez Andres Felipe Calvo Salcedo Carlos Alberto Henao Baena Descriptores espacio-frecuencia para identificación automática de patrones de textura en productos textiles utilizando aprendizaje supervisado Ciencia e Ingeniería Neogranadina Textiles tiempo frecuencia transformada de Fourier |
| title | Descriptores espacio-frecuencia para identificación automática de patrones de textura en productos textiles utilizando aprendizaje supervisado |
| title_full | Descriptores espacio-frecuencia para identificación automática de patrones de textura en productos textiles utilizando aprendizaje supervisado |
| title_fullStr | Descriptores espacio-frecuencia para identificación automática de patrones de textura en productos textiles utilizando aprendizaje supervisado |
| title_full_unstemmed | Descriptores espacio-frecuencia para identificación automática de patrones de textura en productos textiles utilizando aprendizaje supervisado |
| title_short | Descriptores espacio-frecuencia para identificación automática de patrones de textura en productos textiles utilizando aprendizaje supervisado |
| title_sort | descriptores espacio frecuencia para identificacion automatica de patrones de textura en productos textiles utilizando aprendizaje supervisado |
| topic | Textiles tiempo frecuencia transformada de Fourier |
| url | https://revistasunimilitareduco.biteca.online/index.php/rcin/article/view/3212 |
| work_keys_str_mv | AT arleybejaranomartinez descriptoresespaciofrecuenciaparaidentificacionautomaticadepatronesdetexturaenproductostextilesutilizandoaprendizajesupervisado AT andresfelipecalvosalcedo descriptoresespaciofrecuenciaparaidentificacionautomaticadepatronesdetexturaenproductostextilesutilizandoaprendizajesupervisado AT carlosalbertohenaobaena descriptoresespaciofrecuenciaparaidentificacionautomaticadepatronesdetexturaenproductostextilesutilizandoaprendizajesupervisado |