Detección de personajes de cómic mediante técnicas de Deep Learning
Empreu sempre aquest identificador per citar o enllaçar aquest ítem
http://hdl.handle.net/10045/135361
Títol: | Detección de personajes de cómic mediante técnicas de Deep Learning |
---|---|
Autors: | Lucas Aura, Javier |
Director de la investigació: | Gallego, Antonio-Javier | Calvo-Zaragoza, Jorge |
Centre, Departament o Servei: | Universidad de Alicante. Departamento de Lenguajes y Sistemas Informáticos |
Paraules clau: | Análisis de cómics | Reconocimiento de personajes | Detección de objetos | Cambio de dominio | Deep Learning |
Data de publicació: | 21-de juny-2023 |
Data de lectura: | 15-de juny-2023 |
Resum: | En los últimos años ha habido un aumento significativo en el consumo de cómics, especialmente durante la pandemia. Este incremento ha venido acompañado por un cambio en la forma en que se consumen los cómics, con una preferencia creciente por las plataformas digitales en lugar de las copias tradicionales en papel. Este proyecto tiene como objetivo explorar varios métodos para reconocer personajes en los cómics aplicando técnicas de Deep Learning, utilizando para el entrenamiento de modelos tanto páginas completas como viñetas individuales. Esta tarea resulta bastante compleja, debido a la gran variedad de estilos que presentan los personajes, y a la dificultad de acceder a datos etiquetados para el entrenamiento del modelo. Además, se analiza la adaptabilidad de estos modelos a diferentes estilos de cómics, utilizando los conjuntos de datos eBDtheque y Manga109. |
URI: | http://hdl.handle.net/10045/135361 |
Idioma: | spa |
Tipus: | info:eu-repo/semantics/bachelorThesis |
Drets: | Licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 |
Apareix a la col·lecció: | Doble Grado en Ingeniería Informática y Administración y Dirección de Empresas - Trabajos Fin de Grado |
Arxius per aquest ítem:
Arxiu | Descripció | Tamany | Format | |
---|---|---|---|---|
Deteccion_de_personajes_de_comic_aplicando_tecnicas_de_Dee_Lucas_Aura_Javier.pdf | 17,07 MB | Adobe PDF | Obrir Vista prèvia | |
Tots els documents dipositats a RUA estan protegits per drets d'autors. Alguns drets reservats.