Diseño evolutivo de arquitecturas de Deep Learning para detección de vías de transporte

Fuente Castillo, Víctor de la (2019). Diseño evolutivo de arquitecturas de Deep Learning para detección de vías de transporte. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM).

Description

Title: Diseño evolutivo de arquitecturas de Deep Learning para detección de vías de transporte
Author/s:
  • Fuente Castillo, Víctor de la
Contributor/s:
  • Serradilla García, Francisco J.
  • Lope Asiaín, Javier de
Item Type: Thesis (Master thesis)
Masters title: Inteligencia Artificial
Date: 2019
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Inteligencia Artificial
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB) | Preview

Abstract

El presente trabajo explora, en el contexto de ortofotografía aérea para el mantenimiento y revisión de cartografía, la detección automática de vías de transporte mediante Deep Learning empleando técnicas evolutivas para el diseño automático de la arquitectura de red. Con ese propósito se han implementado: una librería de algoritmos genéticos guiados por gramáticas usada para el diseño de la arquitectura, una codificación propia y metagramática (para guiar la generación de arquitecturas) y una librería sobre TensorFlow capaz de realizar entrenamiento/evaluación sobre entornos multi-GPU con estimación automática del tamaño de lote de entrenamiento en función de la memoria disponible.---ABSTRACT---This work explores, in the context of aerial orthophoto for cartography management, the automatic detection of transport ways using Deep Learning and evolutive techniques for the automatic design of the network architecture. To that purpose the following has been implemented: framework for grammar guided genetic programming used for the network architecture design, novel coding scheme and metagrammar (to guide the network architecture generation), framework over TensorFlow for multi-GPU training/evaluation with automatic estimation of training batch size for the available memory.

More information

Item ID: 55751
DC Identifier: http://oa.upm.es/55751/
OAI Identifier: oai:oa.upm.es:55751
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 18 Jul 2019 07:11
Last Modified: 18 Jul 2019 07:11
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM