Mejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia)

El proyecto de grado presentado a continuación se encuentra basado en el proyecto Deep Learning-Based Garbage Bags and Potholes Detection Model Using Raspberry Pi [1] realizado por los estudiantes Juan Felipe Palacios y Santiago Vitery de la Universidad de los Andes presentado en diciembre del año 2020 e implementado en las ciudades de Neiva y Pasto, Colombia. Se busca en el actual proyecto presentado en este documento realizar una mejora al modelo basado de en Deep Learning de detección de baches y bolsas de basuras [1] en las calles pavimentadas al ser implementado en la ciudad de Bogota, capital de Colombia, extrayendo mas información para ampliar la base de datos usada para entrenar el modelo de Machine Learning, así como el entrenamiento de diferentes modelos de este tipo para obtener un modelo mas robusto con mayor precisión y con menor tiempo de inferencia. Se espera de esta manera contribuir al proyecto [1] expuesto por Juan Felipe Palacios y Santiago Vitery al obtener un modelo mejorado con las características anteriormente mencionadas.

• Autores: Hernández Rodríguez, Julián David
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/58832
• Acceso en línea: http://hdl.handle.net/1992/58832
• Palabra clave: Raspberry Pi; Modelos de detección de objetos; Base de datos; Entrenamiento; YOLOV4; Deep learning; FasterRCNN; SSDMobileNetV2; SSDMobileNetV2FPNLite; MAP; RECALL; Tiempo de detección; Prototipo; Bogotá; Visión artificial; Bolsas de basura; Baches (huecos); Ingeniería
• Rights: openAccess
• License: Attribution-NoDerivatives 4.0 Internacional