Obtención de información semántica a partir de fotografías asociadas a una nube de puntos

Vista sencilla de ítem
dc.contributor.advisorHernández, Francisco Luis
dc.contributor.authorNavia Castrillón, Juan Camilo
dc.contributor.authorHolguín Agudelo, Luis Guillermo
dc.contributor.researchgroupGRUPO DE INVESTIGACIÓN
dc.date.accessioned2025-10-16T21:46:14Z
dc.date.available2025-10-16T21:46:14Z
dc.date.issued2025
dc.description.abstractEste estudio propone un enfoque no supervisado para asociar información semántica a nubes de puntos 3D generadas a partir de fotografías, abordando la carencia de etiquetas en métodos tradicionales como Estructura desde el Movimiento (SfM) y Multi Visión Estéreo (MVS). Se implementaron redes neuronales convolucionales (CNN) combinadas con autoencoders completos y mapas auto-organizados de Kohonen (SOM), comparando su rendimiento con técnicas clásicas de clustering (k-means) y crecimiento de regiones. Los experimentos se realizaron en tres escenarios: banano (16 imágenes), monumento (396 imágenes) y parque (73 imágenes), procesadas mediante flujos de trabajo en Python con librerías como TensorFlow y OpenMVG. La metodología incluyó cuatro etapas: generación de nubes de puntos, segmentación no supervisada con redes neuronales (extracción de características, SOM y refinamiento con k-means), segmentación con algoritmos tradicionales, y evaluación mediante métricas de precisión e Intersección sobre Unión. Las redes neuronales destacaron en la escena del banano, con precisión global del 98% e Intersección sobre Unión (Intersección sobre Unión) de 0.97 para el fondo, aunque la clase "Banano" mostró menor rendimiento (Intersección sobre Unión: 0.76-0.87). En contraste, el clustering y crecimiento de regiones presentaron precisiones inferiores (70.8% y 67%, respectivamente), con Intersección sobre Unión críticos para clases complejas (ej. 0.08 en clustering para "Banano").spa
dc.description.degreelevelPregradospa
dc.description.degreenameINGENIERO(A) TOPOGRAFICOspa
dc.description.researchareaANÁLISIS ESPACIAL
dc.format.extent1 recurso en línea (42 páginas)
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://hdl.handle.net/10893/38382
dc.language.isospa
dc.publisherUniversidad del Vallespa
dc.publisher.branchSede Cali
dc.publisher.facultyFACULTAD DE INGENIERÍAspa
dc.publisher.placeColombiaspa
dc.publisher.programINGENIERIA TOPOGRAFICOspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.lembFotogrametría
dc.subject.lembSegmentación semántica
dc.subject.lembRedes neuronales artificiales
dc.subject.lembAlgoritmos
dc.titleObtención de información semántica a partir de fotografías asociadas a una nube de puntosspa
dc.typeTrabajo de grado - Pregrado
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
person.identifier.orcid0000-0003-2337-1747
relation.isDirectorOfPublicationac459a2e-c9b0-4164-8106-667b2d7c74c8
relation.isDirectorOfPublication.latestForDiscoveryac459a2e-c9b0-4164-8106-667b2d7c74c8
Archivos
Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
3740 N325o.pdf
Tamaño:
7.14 MB
Formato:
Adobe Portable Document Format
Descargar
No hay miniatura disponible
Nombre:
Autorizacion-1007827735.pdf
Tamaño:
271.39 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
15.18 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Ingeniería topográfica