Segura, Rafael J.Rueda, Antonio J.Ogáyar, Carlos J.Fuertes, José M.García-Fernández, Ángel L.Lucena, Manuel J.López, AlfonsoMoreno, IsabelMolinos, ManuelPosada, JorgeSerrano, Ana2022-06-222022-06-222022978-3-03868-186-1https://doi.org/10.2312/ceig.20221145https://diglib.eg.org:443/handle/10.2312/ceig20221145En los últimos años las técnicas de aprendizaje profundo se han convertido en una poderosa alternativa a técnicas clásicas de aprendizaje automático orientadas a tareas de clasificación. Esta tecnología se ha aplicado con gran éxito en diversos campos, si bien es necesaria la existencia de un conjunto de datos etiquetados muy grande para afrontar el entrenamiento de las mismas. En este trabajo se presenta un framework para la generación automática de fragmentos de vasijas de cerámica de torno, convenientemente etiquetados, de manera que permitan el entrenamiento de CNNs para la clasificación de dichos fragmentos, y su posterior utilización en tareas de reconstrucción.Attribution 4.0 International LicenseCCS Concepts: Applied computing --> Arts and humanities; Theory of computation --> Unsupervised learning and clustering; Computational geometryApplied computingArts and humanitiesTheory of computationUnsupervised learning and clusteringComputational geometry10.2312/ceig.2022114545-484 pages