Sistema automático de predicción estética basado en Computación Evolutiva y Deep Learning

• Autores: Nereida Rodriguez-Fernández
• Directores de la Tesis: Juan Romero (codir. tes.) , Adrián Carballal (codir. tes.)
• Lectura: En la Universidade da Coruña ( España ) en 2022
• Idioma: español
• Número de páginas: 189
• Tribunal Calificador de la Tesis: Javier Rodeiro Iglesias (presid.) , Nieves Pedreira Souto (secret.) , Fernando Amilcar Bandeira Cardoso (voc.)
• Enlaces
  • Tesis en acceso abierto en: RUC
• Resumen
  • español

    Actualmente, con el auge de las redes sociales, acostumbramos a tomar decisiones en función del valor estético de las imágenes. En el comercio electrónico, por ejemplo, tomamos decisiones de compra en función de las imágenes del producto. En este contexto, un sistema automático que permita seleccionar y ordenar las imágenes en función de su valor estético puede ser de gran valor. Esta tesis aborda diferentes problemas del campo de la estética computacional y propone nuevas soluciones que son validadas finalmente en un caso práctico real. En primer lugar, se estudian los datasets utilizados en estética computacional y se propone una nueva metodología para la creación de conjuntos de imágenes generalizables que se pueda aplicar en problemas de Machine Learning. A continuación, se expone un nuevo enfoque que utiliza transfer learning con un nuevo algoritmo genético híbrido para la predicción del valor estético en imágenes digitales. Finalmente, se aplica a un caso práctico real tanto la metodología de creación de datasets propuesta, como el modelo híbrido que ofreció mejores resultados en la fase experimental. Los resultados sugieren que utilizar estas herramientas en la vida cotidiana pueden mejorar tanto la experiencia de los usuarios como la productividad de los comercios electrónicos.

  • English

    Nowadays, with the rise of social media, we are used to making decisions based on the aesthetic value of images. In e-commerce, for example, we make purchasing decisions based on product images. In this context, an automatic system that allows us to select and sort images according to their aesthetic value can be of great value. This thesis addresses different problems in the field of computational aesthetics and proposes new solutions that are finally validated in a real case study. First, we study the datasets used in computational aesthetics and propose a new methodology for the creation of generalisable image sets that can be applied to Machine Learning problems. Then, a new approach using transfer learning with a new hybrid genetic algorithm for the prediction of aesthetic value in digital images is presented. Finally, both the proposed dataset creation methodology and the hybrid model that gave the best results in the experimental phase are applied to a real case study. The results suggest that using these tools can improve both user experience and e-commerce productivity.

  • galego

    Actualmente, co auxe das redes sociais, acostumamos a tomar decisións en función do valor estético das imaxes. No comercio electrónico, por exemplo, tomamos decisións de compra en función das imaxes do produto. Neste contexto, un sistema automático que permita seleccionar e ordenar as imaxes en función do seu valor est´etico pode ser de gran valor. Esta tese aborda diferentes problemas do campo da estética computacional e propón novas solucións que son validadas finalmente nun caso práctico real. En primeiro lugar, estúdanse os datasets utilizados en estética computacional e proponse unha nova metodoloxía para a creación de conxuntos de imaxes xeneralizables que se poida aplicar en problemas de Machine Learning. A continuación, exponse un novo enfoque que utiliza transfer learning cun novo algoritmo xenético híbrido para a predición do valor estético en imaxes dixitais. Finalmente, aplícase a un caso práctico real tanto a metodoloxía de creación de datasets proposta, como o modelo híbrido que ofreceu mellores resultados na fase experimental. Os resultados suxiren que utilizar estas ferramentas na vida cotiá poden mellorar tanto a experiencia dos usuarios como a produtividade dos comercios electrónicos.