Update file Dataset.md

content/pages/Dataset.md

@@ -7,17 +7,17 @@ Para la creación del dataset se utilizó una base de datos de imágenes inadult
 
 Se realizaron procesos de data augmentation, realizando cruces de las imágenes aplicandoles una edición digital.
 
-Para esto, a una imágen se le cortó una sección, a través de una máscara y se pegó en las otras 99 imágenes, falsificación conocida como 'splicing'.
+Para esto, elegimos una imágen en la cual, se decidió cortar una sección, a través de una máscara y se pegó en las otras 99 imágenes.
 
 <figure id="figref-mascara-1">
-<img src="../images/Mask.png" width="400">
+<img src="../images/Mask.png" width="300">
 <figcaption><strong>Figure 1:</strong>  Máscara seleccionada a croppear de la imágen 2.
   </figcaption>
 </figure><hr>
 
-El proceso realizado fue el siguiente:
+El proceso realizado, fue el siguiente:
 
-Se abren las imágenes del dataset y se guardan con una calidad determinada.
+Abrimos las imágenes del dataset, guardandolas con una calidad determinada Q1.
 <figure id="figref-im-1">
 <img src="../images/Im_1_first_compression.jpg" width="400"/>
 <figcaption>
@@ -26,7 +26,7 @@ Se abren las imágenes del dataset y se guardan con una calidad determinada.
 </figure><hr>
 
 
-Posteriormente, se realizó la superposición de la sección cortada en la imágen, en una posición aleatoria y se guardó con una calidad distinta.
+Posteriormente, se realizó lo que se denomina "splicing". Para esto, se hace una superposición de la imagen original con otra, en una ventana posicicionada aleatoriamente sobre la imágen. Finalmente, la superposición de ambas imágenes se guardó con una calidad distinta Q2. Notar que aquí, la imagen de base sufrió una doble compresión de distintos factores de calidad Q1 y Q2, mientras que la sección de la imágen introducida sufre una sola compresión Q2.
 <figure id="figref-im-1-edited">
 <img src="../images/edited_im_1.jpg" width="400"/>
 <figcaption>
@@ -34,7 +34,7 @@ Posteriormente, se realizó la superposición de la sección cortada en la imág
 </figcaption>
 </figure><hr>
 
-Lo siguiente que se realizó fue el guardado de la máscara en la sección dónde fue insertada la imágen, ya que de esta forma, se logra tener el 'ground-truth' para posteriormente realizar el análisis de performance del algoritmo.
+Lo siguiente que se realizó fue el guardado de la máscara en la sección dónde fue insertada la imágen, logrando de esta forma tener las regiones para posteriormente realizar el análisis de performance de acierto del algoritmo.
 <figure id="figref-im-1-mask">
 <img src="../images/Mask_Im_1.png" width="400"/>
 <figcaption>
@@ -42,11 +42,11 @@ Lo siguiente que se realizó fue el guardado de la máscara en la sección dónd
 </figcaption>
 </figure><hr>
 
-De esta forma, se genera el efecto DQ en las imágenes, con una edición en un lugar aleatorio de la imagen a ser detectado.
+De esta forma, generamos el efecto DQ en las imágenes, con una edición en un lugar aleatorio para poder así resaltar el efecto.
 
-Se optó crear datasets con distintas calidades para visualizar el comportamiento de la detección. Con el código desarrollado para realizar el splicing y el guardado de las imágenes se crearon 4 datasets de ediciones con DQ para el análisis de la performance del algoritmo de detección.
+En posteriores análisis se optó crear datasets con distintas calidades para visualizar el comportamiento,
+creando con el código desarrollado para crear estos datasets, unos 4 datasets de ediciones con DQ para el análisis de la performance del algoritmo de detección.
 
 Se puede acceder al Dataset en el siguiente link:
 [Dataset](https://drive.google.com/drive/folders/1UFL5cruqLj1PiWfkzYuFdUApLwJ44RXu?usp=drive_link)
 
-