Publicación: Optimización de redes neuronales convolucionales para la clasificación de imágenes hiperespectrales
Cargando...
Fecha
2022-02
Autores
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Resumen
Este proyecto abarca el estudio de las redes neuronales convolucionales aplicadas a imágenes hiperespectrales con el objetivo final de optimizar su funcionamiento, reduciendo el consumo de memoria y de electricidad para poder emplearlas a bordo de micro satélites de observación de la Tierra. Para ello se realizará un estudio del funcionamiento de estas redes y del estado del arte de la tecnología. Posteriormente se hará una revisión de la literatura para buscar métodos adecuados de optimización de este tipo de redes, tratando de reducir tanto el ancho como la profundidad de la red sin disminuir significativamente su precisión, eliminando cálculos innecesarios y por lo tanto reduciendo su consumo. Por último se aplicarán dichos métodos y se evaluarán los resultados analizando la viabilidad de uso.
This project covers the study of convolutional neural networks applied to hyperspectral images with the ultimate goal of optimizing their performance, reducing memory and power consumption in order to use them on board Earth observation micro-satellites. To achieve this goal the principal component analysis method is applied to the convolutional layers in order to detect redundant filters and eliminate them. The obtained results are very positive, returning imrpoved architectures for the networks, saving a lot of unnecessary computations, memory and energy consumption without significantly affecting the precission of the networks.
This project covers the study of convolutional neural networks applied to hyperspectral images with the ultimate goal of optimizing their performance, reducing memory and power consumption in order to use them on board Earth observation micro-satellites. To achieve this goal the principal component analysis method is applied to the convolutional layers in order to detect redundant filters and eliminate them. The obtained results are very positive, returning imrpoved architectures for the networks, saving a lot of unnecessary computations, memory and energy consumption without significantly affecting the precission of the networks.
Descripción
Categorías UNESCO
Palabras clave
Citación
Centro
Facultades y escuelas::E.T.S. de Ingeniería Informática
Departamento
Inteligencia Artificial