Reconocimiento de objetos utilizando técnicas de aprendizaje profundo
El presente documento expone el fundamento, desarrollo y resultados obtenidos durante el proceso de entrenamiento y evaluación, de los diferentes modelos computacionales para el reconocimiento de objetos, que utilizan como pilar fundamental las redes neuronales convolucionales. El trabajo tuvo como...
- Autores:
-
Gómez Alvarado, Diego Felipe
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unimilitar.edu.co:10654/38471
- Acceso en línea:
- http://hdl.handle.net/10654/38471
- Palabra clave:
- REDES NEURALES (COMPUTADORES)
PROGRAMACION ORIENTADA A OBJETOS (COMPUTACION)
convolutional neural networks
deep learning
layers
object recognition
training
aprendizaje profundo
capas
entrenamiento
reconocimiento de objetos
redes neuronales convolucionales
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
| Summary: | El presente documento expone el fundamento, desarrollo y resultados obtenidos durante el proceso de entrenamiento y evaluación, de los diferentes modelos computacionales para el reconocimiento de objetos, que utilizan como pilar fundamental las redes neuronales convolucionales. El trabajo tuvo como objetivos principales, la recolección del conjunto de entrenamiento, implementación y pruebas de rendimiento. Se realizó un proceso evaluativo para diez arquitecturas y/o métodos para el reconocimiento de objetos, seis con el TensorFlow Object Detection API y cuatro usando el framework Darknet. Eso con el fin de seleccionar el modelo con mejor proceso operativo, dado parámetros concernientes a la precisión, velocidad y demanda de recursos. La recolección de las imágenes para el conjunto de datos, tomó lugar en las instalaciones de la Universidad Militar Nueva Granada, a través de la toma de vídeos y fotografías, las cuales fueron manualmente etiquetadas y posteriormente utilizadas para el proceso de entrenamiento para cada uno de los diez modelos/métodos utilizados, bajo dos marcos de trabajo diferentes. El documento se encuentra dividido en seis capítulos principales, que brindan la introducción y naturaleza del proyecto, estado del arte, fundamento teórico, desarrollo, resultados y consideraciones finales. |
|---|