2026-04-27T21:35:56Zhttps://uvadoc.uva.es/oai/request

oai:uvadoc.uva.es:10324/778442025-09-17T19:04:33Zcom_10324_38col_10324_852

Garrido Mellado, Paula Fernández Temprano, Miguel Alejandro Universidad de Valladolid. Facultad de Ciencias Macicior Borregón, María Teresa 2025 En este trabajo se busca solucionar la falta de conjuntos de datos para el entrenamiento de modelos de visión artificial en condiciones de niebla, lo cual es un inconveniente para avanzar en el desarrollo y desempeño de los mismos. Para solucionar este problema se plantea la hipótesis de la utilización de imágenes sintéticas como fuente de entrenamiento. El uso de técnicas de aprendizaje automático demuestra que el empleo de imágenes sintéticas en el entrenamiento de modelos de visión artificial puede ser una solución para la falta de conjuntos de datos. Para discutir esta hipótesis, en este proyecto se implementan, redes neuronales convolucionales y algoritmos de agrupación, para la selección y evaluación de imágenes artificiales con niebla. Se utilizan estas técnicas con el fin de escoger imágenes realistas y así poder utilizar conjuntos de datos reales y sintéticos para entrenar modelos de visión artificial. La creación de estos modelos se realiza en Python, el entrenamiento de los mismos se realiza con conjuntos de imágenes privadas, extraídas de vídeos o creadas con un programa. This work seeks to solve the lack of datasets for training computer vision models in foggy conditions, which is a drawback to advance the development and performance of the same. To solve this problem, the use of synthetic images as a training source is hypothesized. The use of machine learning techniques demonstrates that the use of synthetic images in training computer vision models can be a solution to the lack of data sets. To discuss this hypothesis, in this project we implement, convolutional neural networks and clustering algorithms, for the selection and evaluation of artificial images with fog. These techniques are used in order to choose realistic images and thus be able to use real and synthetic data sets to train computer vision models. The creation of these models is done in Python, the training of these models is done with sets of private images, extracted from videos or created with a program. application/pdf https://uvadoc.uva.es/handle/10324/77844 spa Técnicas de aprendizaje automático para la evaluación de imágen en condiciones de niebla info:eu-repo/semantics/bachelorThesis TEXT UVaDOC. Repositorio Documental de la Universidad de Valladolid Hispana