• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Browse

    All of UVaDOCCommunitiesBy Issue DateAuthorsSubjectsTitles

    My Account

    Login

    Statistics

    View Usage Statistics

    Share

    View Item 
    •   UVaDOC Home
    • FINAL DEGREE PROJECTS
    • Trabajos Fin de Grado UVa
    • View Item
    •   UVaDOC Home
    • FINAL DEGREE PROJECTS
    • Trabajos Fin de Grado UVa
    • View Item
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Export

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/79693

    Título
    Soluciones Deep Learning para deblurring y su aplicación en entornos industriales
    Autor
    Villacorta Nicolás, David
    Director o Tutor
    Bregón Bregón, AníbalAutoridad UVA
    Mielgo Martín, PaulaAutoridad UVA
    Editor
    Universidad de Valladolid. Escuela de Ingeniería Informática de SegoviaAutoridad UVA
    Año del Documento
    2025
    Titulación
    Grado en Ingeniería Informática de Servicios y Aplicaciones
    Abstract
    El desenfoque o blur es un problema frecuente en las imágenes, que afecta a la calidad visual y al rendimiento de los sistemas que dependen de ellas. En este trabajo se exploran las principales técnicas de deblurring basadas en Deep Learning, analizando diferentes arquitecturas que han demostrado ser eficaces en la restauración de la calidad de las imágenes. Además, se estudia su aplicación en entornos industriales, donde la calidad de las imágenes es un factor clave para determinados procesos. A través de este estudio, se busca evaluar el impacto de estas soluciones en la mejora de la precisión y eficiencia operativa en distintos ámbitos industriales.
    Materias (normalizadas)
    Aprendizaje automático
    Imágenes ópticas
    Inteligencia artificial
    Materias Unesco
    1203.04 Inteligencia Artificial
    Palabras Clave
    deep learning
    deblurring
    blur
    redes neuronales
    entornos industriales
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/79693
    Derechos
    openAccess
    Collections
    • Trabajos Fin de Grado UVa [32834]
    Show full item record
    Files in this item
    Nombre:
    TFG-B. 2512.pdf
    Tamaño:
    18.28Mb
    Formato:
    Adobe PDF
    Thumbnail
    FilesOpen
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalExcept where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10