DSpace logo

Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.utmachala.edu.ec/handle/48000/23090
Título : Desarrollo de una aplicación web que genere rostros de personas que no existen en el mundo real
Autor : Quezada García, María Del Rosario
Cajamarca Castillo, Kevin Venancio
Director(es): Rivas Asanza, Wilmer Braulio
Palabras clave : FACE GENERATION;DEEP LEARNING;ALGORITHMS;CONFUSION MATRIX
Fecha de publicación : jun-2024
Editorial : Machala; Universidad Técnica de Machala
Citación : Quezada García, M. Del R. & Cajamarca Castillo, K. V. (2024) Desarrollo de una aplicación web que genere rostros de personas que no existen en el mundo real (TRABAJO DE TITULACION), UTMACH. Facultad de Ingeniería Civil. Machala, Ecuador
Descripción : Con el creciente desarrollo de la Generative Adversarial Network (GAN), la generación de imágenes son un desafío emocionante en el campo del aprendizaje profundo y la inteligencia artificial. A nivel internacional se han desarrollado diversos trabajos relacionados a modelos de redes generativas antagónicas, pero una brecha significativa persiste en la falta de comparativas entre diferentes algoritmos. La capacidad de generar imágenes inexistentes que se asemejen en gran medida a las imágenes del mundo real es interesante para muchos casos de uso. En la presente investigación se propone desarrollar una aplicación web basada en redes neuronales preexistentes, utilizando la tecnología generativa antagónica para generar rostros de personas. En este estudio, se consideró como población de estudio a los 5.000 rostros que pertenecen el conjunto de datos FFHQ Face Dataset (2.500 rostro mujer) y (2.500 rostro de hombre). Las técnicas que fueron empleadas están basadas en dos modelos utilizando los siguientes algoritmos: Generative Adversarial Network (GAN) y Red Adversarial Generativa Convolucional Profunda (DCGAN). Las mediciones estadísticas de la matriz de confusión como resultado de la clasificación se utilizaron como métricas de rendimiento. Los resultados permiten concluir que el modelo (DCGAN) es el mejor método de clasificación, debido a su mejor predicción de los valores obtenidos de verdaderos positivos, y verdaderos negativos, además, la media de la precisión del modelo fue de 85,02%, superior al otro modelo. La aplicación desarrollada ha cumplido con éxito el objetivo principal de generar rostros humanos a partir de algoritmos de inteligencia artificial
Resumen : With the increasing development of Generative Adversarial Network (GAN), image generation is an exciting challenge in the field of deep learning and artificial intelligence. Internationally, several works related to generative adversarial network models have been developed, but a significant gap persists in the lack of comparisons between different algorithms. The ability to generate non-existent images that closely resemble real-world images is of interest for many use cases. In the present research, we propose to develop a web application based on pre-existing neural networks using antagonistic generative technology to generate faces of people. In this study, 5,000 faces belonging to the FFHQ Face Dataset (2,500 female face) and (2,500 male face) were considered as the study population. The techniques that were employed are based on two models using the following algorithms: Generative Adversarial Network (GAN) and Deep Convolutional Generative Generative Adversarial Network (DCGAN). Statistical measures of the confusion matrix as a result of classification were used as performance metrics. The results allow concluding that the model (DCGAN) is the best classification method, due to its better prediction of the obtained values of true positives, and true negatives, in addition, the average accuracy of the model was 85.02%, higher than the other model. The developed application has successfully fulfilled the main objective of generating human faces from artificial intelligence algorithms
URI : http://repositorio.utmachala.edu.ec/handle/48000/23090
Aparece en las colecciones: Trabajo de Titulación Tecnología de la Información

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
CAJAMARCA CASTILLO, KEVIN TINF 12.pdfTRABAJO DE TITULACION1,26 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons