|
Análisis comparativo de técnicas de segmentación de estructuras reticulares
F.J. Soler, A. Peidró, M. Fabregat-Jaén, L. Payá, O. Reinoso
XLIV Jornadas de Automatica (Zaragoza, 6-8 Septiembre, 2023)
Ed. CEA ISBN:978-84-9749-860-9 DOI:https://doi.org/10.17979/spudc.9788497498609.750 BIBTEX:@inproceedings{SolerMora2023ja,
title = {Análisis comparativo de técnicas de segmentación de estructuras reticulares},
author = {Francisco J. Soler and Adrián Peidró and Marc Fabregat-Jaén and Luis Payá and Óscar Reinoso},
year = 2023,
booktitle = {XLIV Jornadas de Automática},
pages = {750-755},
doi = {https://doi.org/10.17979/spudc.9788497498609.750},
organization = {Comité Español de Automática (CEA)},
publisher = {Comité Español de Automática (CEA)}
} - pp. 750-755
Resumen:
El presente articulo pretende comparar nuestro trabajo anterior en segmentación de estructuras reticulares con redes neuronales frente a un algoritmo ad hoc con el mismo propósito. Actualmente, las redes neuronales o la inteligencia artificial son conceptos muy usados y sinónimos de avances y mejoras, pero en determinados casos es posible emplear técnicas más clásicas, fuera del paradigma de la inteligencia artificial para desarrollar el mismo tipo de tareas con resultados muy similares. Para corroborar esta última mención, en el presente artículo se realiza un análisis comparativo de forma cuantitativa y cualitativa entre un algoritmo ad hoc y el mejor modelo de red neuronal en nuestro último trabajo para segmentar estructuras reticulares. Para la implementación del algoritmo se emplean métodos clásicos como Random Sample Consensus (RANSAC) y crecimiento de regiones. Para realizar la comparación de forma cuantitativa se emplean métricas estandarizadas como precision, recall y f1-score. Estas últimas se calcularán sobre una base de datos propia, compuesta por mil nubes de puntos y generada automáticamente en trabajos anteriores. El algoritmo en cuestión esta diseñado expresamente para tal base de datos
|