Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/14622
Tipo de material: masterThesis
Título : Advancing Wildlife Image Classification: A Comparative Study of Supervised and Self-Supervised Learning in Tiputini, Ecuador.
Autor : Villacreses Zúñiga, Diego David
Director de Tesis : Grijalva, Felipe, dir.
Descriptores : Inteligencia artificial - Ecología - Tesis y disertaciones académicas.
Fecha de publicación : 1-dic-2024
Editorial : Quito
Citación : Tesis (Magister en Inteligencia Artificial), Universidad San Francisco de Quito, Colegio de Posgrados; Quito, Ecuador, 2024.
Páginas : 27 h.
Acceso: openAccess
Atribución-NoComercial-SinDerivadas 3.0 Ecuador
Resumen : La pérdida de biodiversidad representa un importante desafío global que requiere herramientas avanzadas para un monitoreo efectivo de la vida silvestre. Las cámaras trampa generan grandes volúmenes de información, pero, la anotación manual requiere el un alto costo y tiempo, reduciendo su utilidad. Esta tesis investiga la aplicación de enfoques de aprendizaje supervisado y autosupervisado para la clasificación de imágenes de vida silvestre utilizando datos de la Estación de Biodiversidad Tiputini en Ecuador, un punto de alta importancia para la biodiversidad global...
Descripción : The loss of biodiversity poses a major global challenge that requires advanced tools for effective wildlife monitoring. Camera traps generate large datasets, but the high cost and time required for manual annotation reduces their utility. This thesis investigates the application of supervised and self-supervised learning approaches to the classification of wildlife images using data from the Tiputini Biodiversity Station in Ecuador, a hotspot of global biodiversity...
URI : http://repositorio.usfq.edu.ec/handle/23000/14622
Aparece en las colecciones: Tesis - Maestría en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
338857.PDFTexto completo5.2 MBAdobe PDFVista previa
Visualizar/Abrir


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