RT info:eu-repo/semantics/bachelorThesis
T1 Evaluación de algoritmos de detección de objetos basados en deep learning para detección de incidencias en carreteras
A1 Sánchez-Alor Expósito, Jorge
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Aprendizaje profundo
K1 Rastreo
K1 Detección de objetos
AB La detección de objetos es una capacidad muy útil para el desarrollo de nuevas aplicaciones de visión artificial, en diferentes ámbitos de la vida cotidiana, en concreto, es especialmente útil en el campo de la conducción asistida. Sin embargo, los requisitos computacionales que requieren suelen ser limitantes a la hora de implementarlos en un sistema embebido. Conocer el rendimiento de los diferentes modelos de detección dentro de un sistema concreto es de gran utilidad a la hora de tomar decisiones de diseño. El objetivo de este trabajo es diseñar mediante la programación en Python haciendo uso de Tensorflow, un sistema capaz de detectar y rastrear elementos en un entorno de trabajo centrado en la automoción. Para ello se plantea el estudio del rendimiento de diferentes modelos de detección de objetos para determinar cuál es el que se adapta mejor a nuestros sistemas, así como el entrenamiento en una base de datos específica de automoción “Berkeley Deep Dive 100k” (BDD100k). El programa de detección y seguimiento se ha creado de tal forma que sea sencillo cambiar de un detector de objetos a otro si los requisitos cambiaran.
YR 2020
FD 2020
LK http://uvadoc.uva.es/handle/10324/43277
UL http://uvadoc.uva.es/handle/10324/43277
LA spa
DS UVaDOC
RD 19-oct-2024