Reconocimiento de objetos en imágenes usando aprendizaje profundo
En el presente proyecto se desarrolló una aplicación de aprendizaje profundo (deep learning) la cual identifica objetos en el laboratorio de automática de la Universidad Autónoma de Occidente, haciendo uso de la técnica transfer learning. Para llevar a cabo este proyecto, se creó el dataset compuest...
- Autores:
-
Díaz Salazar, Nicolas
Salazar Gómez, Gustavo Andres
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2018
- Institución:
- Universidad Autónoma de Occidente
- Repositorio:
- RED: Repositorio Educativo Digital UAO
- Idioma:
- spa
- OAI Identifier:
- oai:red.uao.edu.co:10614/10153
- Acceso en línea:
- http://hdl.handle.net/10614/10153
- Palabra clave:
- Ingeniería Mecatrónica
Redes neurales (Computadores)
Deep learning
Transfer learning
Inception-V3
- Rights
- openAccess
- License
- Derechos Reservados - Universidad Autónoma de Occidente
| id |
REPOUAO2_c1488ff71404136a92c41c22d566014a |
|---|---|
| oai_identifier_str |
oai:red.uao.edu.co:10614/10153 |
| network_acronym_str |
REPOUAO2 |
| network_name_str |
RED: Repositorio Educativo Digital UAO |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Reconocimiento de objetos en imágenes usando aprendizaje profundo |
| title |
Reconocimiento de objetos en imágenes usando aprendizaje profundo |
| spellingShingle |
Reconocimiento de objetos en imágenes usando aprendizaje profundo Ingeniería Mecatrónica Redes neurales (Computadores) Deep learning Transfer learning Inception-V3 |
| title_short |
Reconocimiento de objetos en imágenes usando aprendizaje profundo |
| title_full |
Reconocimiento de objetos en imágenes usando aprendizaje profundo |
| title_fullStr |
Reconocimiento de objetos en imágenes usando aprendizaje profundo |
| title_full_unstemmed |
Reconocimiento de objetos en imágenes usando aprendizaje profundo |
| title_sort |
Reconocimiento de objetos en imágenes usando aprendizaje profundo |
| dc.creator.fl_str_mv |
Díaz Salazar, Nicolas Salazar Gómez, Gustavo Andres |
| dc.contributor.advisor.none.fl_str_mv |
López Sotelo, Jesús Alfonso |
| dc.contributor.author.spa.fl_str_mv |
Díaz Salazar, Nicolas Salazar Gómez, Gustavo Andres |
| dc.subject.spa.fl_str_mv |
Ingeniería Mecatrónica Redes neurales (Computadores) |
| topic |
Ingeniería Mecatrónica Redes neurales (Computadores) Deep learning Transfer learning Inception-V3 |
| dc.subject.eng.fl_str_mv |
Deep learning Transfer learning Inception-V3 |
| description |
En el presente proyecto se desarrolló una aplicación de aprendizaje profundo (deep learning) la cual identifica objetos en el laboratorio de automática de la Universidad Autónoma de Occidente, haciendo uso de la técnica transfer learning. Para llevar a cabo este proyecto, se creó el dataset compuesto de 27 clases y se implementó la técnica de data augmentation con el fin de tener un numero apropiado de imágenes por clase. La aplicación fue desarrollada en Python con la plataforma Tensorflow y haciendo uso de la Unidad de Procesamiento Grafico (GPU), donde se cargó la red neuronal convolucional Inception-V3 de Google para el transfer learning, la cual fue utilizada como extractor de características. Una vez se obtuvieron las representaciones de las imágenes procesadas por la Inception- V3, se entrenó una capa clasificadora de tipo Multi Layer Perceptron (MLP) con función de activación Softmax para realizar las nuevas predicciones. Las pruebas de la aplicación se hicieron en tiempo real utilizando una cámara web gracias a la librería Opencv, obteniendo una precisión cerca del 99% |
| publishDate |
2018 |
| dc.date.accessioned.spa.fl_str_mv |
2018-05-22T17:02:42Z |
| dc.date.available.spa.fl_str_mv |
2018-05-22T17:02:42Z |
| dc.date.issued.spa.fl_str_mv |
2018-03-21 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TP |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.uri.spa.fl_str_mv |
http://hdl.handle.net/10614/10153 |
| url |
http://hdl.handle.net/10614/10153 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad Autónoma de Occidente |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) |
| rights_invalid_str_mv |
Derechos Reservados - Universidad Autónoma de Occidente https://creativecommons.org/licenses/by-nc-sa/4.0/ Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.spa.fl_str_mv |
application/pdf |
| dc.format.extent.spa.fl_str_mv |
127 páginas |
| dc.coverage.spatial.spa.fl_str_mv |
Universidad Autónoma de Occidente. Calle 25 115-85. Km 2 vía Cali-Jamundí |
| dc.publisher.spa.fl_str_mv |
Universidad Autónoma de Occidente |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Mecatrónica |
| dc.publisher.department.spa.fl_str_mv |
Departamento de Automática y Electrónica |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.source.spa.fl_str_mv |
instname:Universidad Autónoma de Occidente reponame:Repositorio Institucional UAO |
| instname_str |
Universidad Autónoma de Occidente |
| institution |
Universidad Autónoma de Occidente |
| reponame_str |
Repositorio Institucional UAO |
| collection |
Repositorio Institucional UAO |
| bitstream.url.fl_str_mv |
https://red.uao.edu.co/bitstreams/f2296897-36d1-437a-8414-b01a774e4a66/download https://red.uao.edu.co/bitstreams/a0749cfa-551b-4268-ae0b-8c93836a62ac/download https://red.uao.edu.co/bitstreams/10d15718-a590-4a7d-b7cc-7fd50499d01b/download https://red.uao.edu.co/bitstreams/cad76f0e-2d38-49ee-8d5c-835631d39cb5/download https://red.uao.edu.co/bitstreams/45898291-be39-416d-be49-23428187c42f/download https://red.uao.edu.co/bitstreams/28037dfc-2e0b-4719-9ec0-6769602fff55/download https://red.uao.edu.co/bitstreams/0bc85d95-f4ea-47cb-961b-638e27489ab8/download https://red.uao.edu.co/bitstreams/26da1ecf-f3f4-46e7-b092-9f0e0052c74f/download |
| bitstream.checksum.fl_str_mv |
a9d6fd500edf361e925e8ab12a2eddcb eecd7fa682ac9875160e5fbeb11ecd56 d74379417fca6b393deb5e0017774c00 019c28bff72820fd110b3512271e0857 934f4ca17e109e0a05eaeaba504d7ce4 20b5ba22b1117f71589c7318baa2c560 9b85ac18e66fa09747dcb4da95f8842e 5e8e2d9f6afa24ca76d48177a86fb296 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Digital Universidad Autonoma de Occidente |
| repository.mail.fl_str_mv |
repositorio@uao.edu.co |
| _version_ |
1814260041794977792 |
| spelling |
López Sotelo, Jesús Alfonsovirtual::2972-1Díaz Salazar, Nicolasc1bddd081489e46d2aa719727a723d16-1Salazar Gómez, Gustavo Andrese4e222934c134bdc1b035f42c9c35605-1Ingeniero MecatrónicoUniversidad Autónoma de Occidente. Calle 25 115-85. Km 2 vía Cali-Jamundí2018-05-22T17:02:42Z2018-05-22T17:02:42Z2018-03-21http://hdl.handle.net/10614/10153En el presente proyecto se desarrolló una aplicación de aprendizaje profundo (deep learning) la cual identifica objetos en el laboratorio de automática de la Universidad Autónoma de Occidente, haciendo uso de la técnica transfer learning. Para llevar a cabo este proyecto, se creó el dataset compuesto de 27 clases y se implementó la técnica de data augmentation con el fin de tener un numero apropiado de imágenes por clase. La aplicación fue desarrollada en Python con la plataforma Tensorflow y haciendo uso de la Unidad de Procesamiento Grafico (GPU), donde se cargó la red neuronal convolucional Inception-V3 de Google para el transfer learning, la cual fue utilizada como extractor de características. Una vez se obtuvieron las representaciones de las imágenes procesadas por la Inception- V3, se entrenó una capa clasificadora de tipo Multi Layer Perceptron (MLP) con función de activación Softmax para realizar las nuevas predicciones. Las pruebas de la aplicación se hicieron en tiempo real utilizando una cámara web gracias a la librería Opencv, obteniendo una precisión cerca del 99%Proyecto de grado (Ingeniero Mecatrónico)-- Universidad Autónoma de Occidente, 2018.PregradoIngeniero(a) Mecatrónico(a)application/pdf127 páginasspaUniversidad Autónoma de OccidenteIngeniería MecatrónicaDepartamento de Automática y ElectrónicaFacultad de IngenieríaDerechos Reservados - Universidad Autónoma de Occidentehttps://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)http://purl.org/coar/access_right/c_abf2instname:Universidad Autónoma de Occidentereponame:Repositorio Institucional UAOIngeniería MecatrónicaRedes neurales (Computadores)Deep learningTransfer learningInception-V3Reconocimiento de objetos en imágenes usando aprendizaje profundoTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Publicationhttps://scholar.google.com.au/citations?user=7PIjh_MAAAAJ&hl=envirtual::2972-10000-0002-9731-8458virtual::2972-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000249106virtual::2972-1fc227fb1-22ec-47f0-afe7-521c61fddd32virtual::2972-1fc227fb1-22ec-47f0-afe7-521c61fddd32virtual::2972-1TEXTT07815.pdf.txtT07815.pdf.txtExtracted texttext/plain145134https://red.uao.edu.co/bitstreams/f2296897-36d1-437a-8414-b01a774e4a66/downloada9d6fd500edf361e925e8ab12a2eddcbMD58TA7815.pdf.txtTA7815.pdf.txtExtracted texttext/plain4584https://red.uao.edu.co/bitstreams/a0749cfa-551b-4268-ae0b-8c93836a62ac/downloadeecd7fa682ac9875160e5fbeb11ecd56MD510THUMBNAILT07815.pdf.jpgT07815.pdf.jpgGenerated Thumbnailimage/jpeg7563https://red.uao.edu.co/bitstreams/10d15718-a590-4a7d-b7cc-7fd50499d01b/downloadd74379417fca6b393deb5e0017774c00MD59TA7815.pdf.jpgTA7815.pdf.jpgGenerated Thumbnailimage/jpeg13631https://red.uao.edu.co/bitstreams/cad76f0e-2d38-49ee-8d5c-835631d39cb5/download019c28bff72820fd110b3512271e0857MD511CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81031https://red.uao.edu.co/bitstreams/45898291-be39-416d-be49-23428187c42f/download934f4ca17e109e0a05eaeaba504d7ce4MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81665https://red.uao.edu.co/bitstreams/28037dfc-2e0b-4719-9ec0-6769602fff55/download20b5ba22b1117f71589c7318baa2c560MD55ORIGINALT07815.pdfT07815.pdfapplication/pdf24969664https://red.uao.edu.co/bitstreams/0bc85d95-f4ea-47cb-961b-638e27489ab8/download9b85ac18e66fa09747dcb4da95f8842eMD56TA7815.pdfTA7815.pdfapplication/pdf293660https://red.uao.edu.co/bitstreams/26da1ecf-f3f4-46e7-b092-9f0e0052c74f/download5e8e2d9f6afa24ca76d48177a86fb296MD5710614/10153oai:red.uao.edu.co:10614/101532024-03-08 10:07:12.008https://creativecommons.org/licenses/by-nc-sa/4.0/Derechos Reservados - Universidad Autónoma de Occidenteopen.accesshttps://red.uao.edu.coRepositorio Digital Universidad Autonoma de Occidenterepositorio@uao.edu.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 |