dc.contributor.advisor | Arganda Carreras, Ignacio | |
dc.contributor.advisor | Barrena Orueechebarria, Nagore | |
dc.contributor.author | Beorlegui Pascal, Urtzi | |
dc.contributor.other | F. INFORMATICA | |
dc.contributor.other | INFORMATIKA F. | |
dc.date.accessioned | 2022-10-19T18:31:16Z | |
dc.date.available | 2022-10-19T18:31:16Z | |
dc.date.issued | 2022-10-19 | |
dc.identifier.uri | http://hdl.handle.net/10810/58122 | |
dc.description.abstract | Idioma: Ingles
Dado el gran rendimiento de los métodos basados en aprendizaje profundo en visión por computador y, en concreto, en reducción de ruido en imágenes y vídeos, se propone crear una herramienta web que permita la utilización de dichos métodos por personas no expertas. Para ello, se aprovecharán tanto el API de una red del estado del arte implementada en PyTorch, como el proyecto de código abierto ZeroCostDL4Mic, enfocado en la democratización del aprendizaje profundo para su uso por microscopistas. | es_ES |
dc.language.iso | eng | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.title | User friendly image denoising based on deep learning | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | |
dc.date.updated | 2022-06-23T06:24:57Z | |
dc.language.rfc3066 | es | |
dc.rights.holder | Universidad del País Vasco / Euskal Herriko Unibertsitatea | |
dc.contributor.degree | Grado en Ingeniería Informática | |
dc.contributor.degree | Informatika Ingeniaritzako Gradua | |
dc.identifier.gaurregister | 124486-938210-10 | |
dc.identifier.gaurassign | 138070-938210 | |