Deep Learning para la clasificación múltiple de residuos sólidos domésticos
Fecha
2023Metadatos
Mostrar el registro completo del ítemResumen
La urbanización mundial está acelerando la producción de residuos sólidos,
poniendo en peligro la salud humana como el medio ambiente. Teniendo un rápido
desarrollo de la tecnología de aprendizaje profundo, se propone una variedad de
modelos de red neuronal, sin embargo estos modelos existentes siguen
presentando problemas en la exactitud, precisión, recall y F1 Score. Por ello, el
objetivo de este proyecto es lograr un mejora de clasificación en comparación con
el modelo CNN, de esta manera se propone un método de clasificación basado en
una red neuronal que tiene como base CNN. Este logra obtener mejores resultados
al agregar capas, un algoritmo regularizador y el uso de optuna. Por último, la
presente investigación demuestra que el modelo propuesto logra mejores
resultados que el modelo CNN, asimismo en comparación con algunos trabajos
recientes, logra converger en menor épocas que otros métodos propuestos en el
estado del arte, asimismo logra mejores resultados de clasificación en ciertas
clases de residuos sólidos domésticos. El método propuesto logró una exactitud del
82% superando los resultados obtenidos en otras investigaciones que han utilizado
métodos como Efficient-B2, RCNN y SVM.
Colecciones
- Lima Norte [1413]