Upload ejemplo_referencias.txt

ejemplo_referencias.txt

@@ -0,0 +1,122 @@
+Título del Documento: Investigación sobre Aprendizaje Profundo en Visión Computacional
+
+Este documento presenta un resumen de los principales avances en aprendizaje profundo aplicado a visión por computadora. Se incluyen referencias a trabajos seminales y publicaciones recientes.
+
+Referencias Principales:
+
+1. AlexNet: Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in neural information processing systems, 25. DOI: 10.1145/3065386
+
+2. VGG: Simonyan, K., & Zisserman, A. (2014). Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:1409.1556.
+
+3. ResNet: He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 770-778). DOI: 10.1109/CVPR.2016.90
+
+4. Transformers para visión: Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., ... & Houlsby, N. (2020). An image is worth 16x16 words: Transformers for image recognition at scale. arXiv preprint arXiv:2010.11929.
+
+5. YOLO: Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 779-788).
+
+Libros de Referencia:
+
+- Deep Learning (Adaptive Computation and Machine Learning series) de Ian Goodfellow, Yoshua Bengio, Aaron Courville. MIT Press, 2016. ISBN: 978-0262035613
+
+- Pattern Recognition and Machine Learning de Christopher M. Bishop. Springer, 2006. ISBN: 978-0387310732
+
+- Computer Vision: Algorithms and Applications de Richard Szeliski. Springer, 2010. ISBN: 978-1848829343
+
+Recursos en Línea:
+
+- Tutorial sobre redes neuronales convolucionales: https://cs231n.github.io/convolutional-networks/
+- Repositorio de implementaciones: https://github.com/pytorch/vision
+- Dataset ImageNet: https://www.image-net.org/
+- Papers with Code: https://paperswithcode.com/
+
+Artículos Adicionales:
+
+6. MobileNet: Howard, A. G., Zhu, M., Chen, B., Kalenichenko, D., Wang, W., Weyand, T., ... & Adam, H. (2017). Mobilenets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint arXiv:1704.04861.
+
+7. EfficientNet: Tan, M., & Le, Q. V. (2019). Efficientnet: Rethinking model scaling for convolutional neural networks. In International Conference on Machine Learning (pp. 6105-6114). PMLR.
+
+8. UNet: Ronneberger, O., Fischer, P., & Brox, T. (2015). U-net: Convolutional networks for biomedical image segmentation. In International Conference on Medical image computing and computer-assisted intervention (pp. 234-241). Springer, Cham. DOI: 10.1007/978-3-319-24574-4_28
+
+9. StyleGAN: Karras, T., Laine, S., & Aila, T. (2019). A style-based generator architecture for generative adversarial networks. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 4401-4410).
+
+Referencias para Búsqueda Avanzada:
+
+- DOI: 10.1038/s41586-021-03819-2
+- DOI: 10.1109/TPAMI.2020.2983666
+- DOI: 10.1007/s11263-020-01407-x
+
+IDs de arXiv para descarga directa:
+- arXiv:1506.02640 (YOLO v1)
+- arXiv:1512.03385 (ResNet)
+- arXiv:1704.04861 (MobileNet)
+- arXiv:1905.11946 (EfficientNet)
+
+URLs Académicas:
+- https://ieeexplore.ieee.org/document/9356352
+- https://dl.acm.org/doi/10.1145/3394171.3413521
+- https://www.sciencedirect.com/science/article/pii/S0167865521001039
+- https://link.springer.com/chapter/10.1007/978-3-030-58592-1_5
+
+Identificadores Varios:
+
+- PubMed ID: 33745078 (revisión sobre visión computacional en medicina)
+- PubMed ID: 33423081 (aplicaciones de deep learning en radiología)
+- ISBN adicional: 978-1492032649 (Deep Learning with Python)
+
+Conferencias Relevantes:
+
+- CVPR (Conference on Computer Vision and Pattern Recognition): https://cvpr2022.thecvf.com/
+- ICCV (International Conference on Computer Vision): https://iccv2021.thecvf.com/
+- ECCV (European Conference on Computer Vision): https://eccv2022.ecva.net/
+
+Más Referencias en Texto Libre:
+
+El trabajo seminal de LeCun et al. sobre backpropagation (DOI: 10.1038/323533a0) sentó las bases. Más recientemente, los transformers han dominado el campo NLP (arXiv:1706.03762) y ahora se aplican a visión.
+
+Para implementaciones prácticas, consultar los repositorios oficiales:
+- TensorFlow Models: https://github.com/tensorflow/models
+- Detectron2: https://github.com/facebookresearch/detectron2
+- MMDetection: https://github.com/open-mmlab/mmdetection
+
+Referencias de Surveys:
+
+10. Liu, L., Ouyang, W., Wang, X., Fieguth, P., Chen, J., Liu, X., & Pietikäinen, M. (2020). Deep learning for generic object detection: A survey. International journal of computer vision, 128(2), 261-318. DOI: 10.1007/s11263-019-01247-4
+
+11. Minaee, S., Boykov, Y., Porikli, F., Plaza, A., Kehtarnavaz, N., & Terzopoulos, D. (2021). Image segmentation using deep learning: A survey. IEEE transactions on pattern analysis and machine intelligence, 44(7), 3523-3542. DOI: 10.1109/TPAMI.2021.3059968
+
+Lista de DOIs para Pruebas Masivas:
+
+10.1145/3065386
+10.1109/CVPR.2016.90
+10.1007/978-3-319-24574-4_28
+10.1038/s41586-021-03819-2
+10.1109/TPAMI.2020.2983666
+10.1007/s11263-020-01407-x
+10.1007/s11263-019-01247-4
+10.1109/TPAMI.2021.3059968
+10.1038/323533a0
+10.1016/j.neunet.2020.01.001
+
+Información de Contacto:
+
+Para más detalles sobre esta investigación, contactar al autor principal:
+Dr. Investigador Ejemplo
+Universidad de Ejemplo
+Correo: [email protected]
+Sitio web: https://www.ejemplo.edu/investigador
+
+Repositorio de datos: https://zenodo.org/record/1234567
+Código fuente: https://github.com/ejemplo/codigo-vision
+
+---
+
+Fin del documento de ejemplo.
+Este archivo contiene múltiples tipos de referencias académicas:
+- 15+ DOIs
+- 5+ arXiv IDs
+- 10+ URLs académicas
+- 4+ ISBNs
+- 2+ PubMed IDs
+- Referencias en formato APA y texto libre
+
+Última actualización: 2024