RT info:eu-repo/semantics/masterThesis
T1 Desarrollo de técnicas de visión artificial basadas en aprendizaje profundo para la delimitación de bordes de galaxias del espacio distante
A1 Fernández Iglesias, Jesús
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Tamaño de galaxias
K1 Visión artificial
K1 Reconocimiento de patrones
K1 Aprendizaje profundo
AB Asignar un tamaño a las galaxias es una tarea extremadamente compleja debido ala naturaleza difusa y mal definida que tienen estos cuerpos. Además, las variacionesen el tiempo de exposición utilizado para recibir información de las mismas provocaque se capten zonas más o menos débiles, variando así el brillo aparente de estas.Actualmente, el proceso de delimitación de bordes de objetos galácticos, el cualbrinda valiosa información acerca de la formación y evolución del espacio distante,se realiza de manera manual, con la consiguiente imposibilidad de estimar los límitesde miles de millones de galaxias a las que cada vez se tiene más acceso debidoal incesante desarrollo de la tecnología en el ámbito de la astrofísica. La claraenmarcación del problema como un reconocimiento de patrones motiva que eneste trabajo se desarrollen técnicas de aprendizaje profundo en el estado de arteque sean capaces de asignar un tamaño a las galaxias mediante la estimación desus límites. Para ello, se utiliza un conjunto de datos del proyecto CANDELS, elmayor programa espacial llevado a cabo por el telescopio Hubble, y se sigue unenfoque de segmentación semántica, obteniendo unos resultados de gran calidad.Además, mostramos cómo la generación de astronomic augmentations mediante eldesarrollo de distintas combinaciones de bandas del espectro electromagnético, y suaprovechamiento simultáneo para realizar inferencias, induce a unos resultados máspreciso sobre el conjunto de test. Dichos resultados abren la puerta a la exploraciónde técnicas de generación de nuevas imágenes con más datos que puedan ser captadospor los telescopios espaciales con el objetivo de su utilización en masa para superarlos resultados que se encuentren en el estado del arte.
YR 2022
FD 2022
LK https://uvadoc.uva.es/handle/10324/57373
UL https://uvadoc.uva.es/handle/10324/57373
LA spa
NO Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
DS UVaDOC
RD 17-jul-2024