Modelo de reconocimiento automático de señales de tránsito vehicular mediante aprendizaje profundo de redes neuronales convolucionales
No Thumbnail Available
Date
2019
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Nacional de Trujillo
Abstract
La presente investigación tiene por objetivo principal implementar un modelo basado en el aprendizaje profundo de redes neuronales convolucionales para reconocer automáticamente señales de tránsito vehicular usando técnicas de procesamiento de imágenes y fundamentos de inteligencia artificial. _x000D_
El proyecto se centra en un grupo de señales de Tránsito vehicular de Alemania y_x000D_
Perú, identificando 43 y 7 categorías respectivamente. Iniciando con la adquisición de_x000D_
imágenes, se procedió a realizar el procesamiento de estas con la finalidad de aumentar_x000D_
el conjunto de datos y poder ejecutar el aprendizaje profundo a través de diversos_x000D_
diseños de modelos de redes neuronales convolucionales._x000D_
Como resultado final, se obtuvo un modelo con buenos indicadores y resultados en_x000D_
el reconocimiento de señales de tránsito vehicular. De esta manera, se pretende contribuir en los esfuerzos de la industria automotriz en el campo de sistemas avanzados de asistencia al conductor, así como también puede formar parte de diversos mecanismos que buscan dar soluciones a la inseguridad vial
Description
The main objective of this research is to implement a model based on the deep_x000D_
learning through convolutional neural networks to automatically recognize vehicular_x000D_
traffic signals using image processing techniques and foundations of artificial intelligence._x000D_
The project focuses on a group of traffic signals from Germany and Peru, identifying_x000D_
43 and 7 categories respectively. Starting with the acquisition of images, the_x000D_
processing of these activities is carried out with the purpose of increasing the data set_x000D_
so then be able to carry out in-depth learning through various designs of convolutional_x000D_
neural network architectures._x000D_
As a final result, a model with good indicators and results in the recognition_x000D_
of vehicular traffic signals was obtained. In this way, it is intended to contribute to_x000D_
the efforts of the automotive industry in the field of Advanced driver-assistance systems(_x000D_
ADAS), as well as being part of various mechanisms that seek to provide solutions_x000D_
to road safety
Keywords
Aprendizaje profundo, Redes neuronales convolucionales, Procesamiento de imágenes