<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-04-30T05:15:24Z</responseDate><request verb="GetRecord" identifier="oai:uvadoc.uva.es:10324/38765" metadataPrefix="etdms">https://uvadoc.uva.es/oai/request</request><GetRecord><record><header><identifier>oai:uvadoc.uva.es:10324/38765</identifier><datestamp>2025-01-29T10:07:38Z</datestamp><setSpec>com_10324_38</setSpec><setSpec>col_10324_852</setSpec></header><metadata><thesis xmlns="http://www.ndltd.org/standards/metadata/etdms/1.0/" xmlns:doc="http://www.lyncode.com/xoai" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.ndltd.org/standards/metadata/etdms/1.0/ http://www.ndltd.org/standards/metadata/etdms/1.0/etdms.xsd">
<title>Estudio y aplicación de redes convolucionales a la clasificación de imágenes estáticas</title>
<creator>Duque Moro, Silvia</creator>
<contributor>Calonge Cano, Teodoro</contributor>
<contributor>Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid</contributor>
<description>La visión computacional es una de las áreas que ha avanzado más rápidamente en&#xd;
los últimos años gracias al Aprendizaje Profundo. En este proyecto se aborda uno de&#xd;
sus problemas centrales: la clasificación de imágenes estáticas. En particular, se plantea&#xd;
un estudio de la aplicación de las redes convolucionales en este reto, puesto que es la&#xd;
técnica más usada para ello, de acuerdo con la bibliografía actual sobre este tema. De este&#xd;
modo, no simplemente se profundiza en los fundamentos teóricos, sino que se hace uso del&#xd;
framework keras y de la librería tensorflow para construir estos modelos.&#xd;
Cabe destacar la oportunidad que se ha tenido de efectuar este estudio sobre un problema&#xd;
real, la detección de patologías a partir de imágenes oculares.&#xd;
Como temática principal, se ha abordado el diagnóstico del edema macular y la retinopatía&#xd;
diabética a partir de un imagen de fondo de ojo. En torno a este problema, se&#xd;
ha intentando, no solo diseñar una estructura de red neuronal que proporcione la mayor&#xd;
precisión posible, sino también poner de manifiesto el impacto de la utilización de&#xd;
diversas técnicas recomendadas de cara a mejorar esta precisión. Los resultados obtenidos&#xd;
se consideran satisfactorios, llegándose a unas precisiones del 91,79% y del 87,86%&#xd;
respectivamente.&#xd;
En segundo plano, también se realiza un estudio sobre un pequeño conjunto de datos,&#xd;
el cual ha permitido corroborar el potencial de esta técnica, proporcionando unos buenos&#xd;
resultados a pesar de disponer de pocas muestras.&#xd;
Finalmente, se ha desarrollado una sencilla aplicación web con Flask para permitir que&#xd;
estos modelos puedan ser utilizados por un usuario que disponga de unos conocimientos&#xd;
básicos de Informática. En este sentido se ha considerado de especial interés la utilización&#xd;
de contenedores Docker para favorecer la portabilidad y facilidad de su instalación y&#xd;
despliegue.</description>
<date>2019-10-25</date>
<date>2019-10-25</date>
<date>2019</date>
<type>info:eu-repo/semantics/bachelorThesis</type>
<identifier>http://uvadoc.uva.es/handle/10324/38765</identifier>
<language>spa</language>
<rights>info:eu-repo/semantics/openAccess</rights>
<rights>http://creativecommons.org/licenses/by-nc-nd/4.0/</rights>
<rights>Attribution-NonCommercial-NoDerivatives 4.0 Internacional</rights>
</thesis></metadata></record></GetRecord></OAI-PMH>