Modelo de reconocimiento automático de señales de tránsito vehicular mediante aprendizaje profundo de redes neuronales convolucionales

Simple item page
dc.contributor.advisorGutiérrez Gutiérrez, Jorge Luis
dc.contributor.authorTávara Idrogo, Josué Gastón
dc.date.accessioned7/18/2019 14:04
dc.date.available7/18/2019 14:04
dc.date.issued2019
dc.descriptionThe 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 safetyes_PE
dc.description.abstractLa 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 viales_PE
dc.description.uriTesises_PE
dc.identifier.urihttps://hdl.handle.net/20.500.14414/13189
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de Trujilloes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/es_PE
dc.sourceUniversidad Nacional de Trujilloes_PE
dc.sourceRepositorio institucional - UNITRUes_PE
dc.subjectAprendizaje profundoes_PE
dc.subjectRedes neuronales convolucionaleses_PE
dc.subjectProcesamiento de imágeneses_PE
dc.titleModelo de reconocimiento automático de señales de tránsito vehicular mediante aprendizaje profundo de redes neuronales convolucionaleses_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineInformáticaes_PE
thesis.degree.grantorUniversidad Nacional de Trujillo.Facultad de Ciencias Físicas y Matemáticases_PE
thesis.degree.levelTítulo Profesionales_PE
thesis.degree.nameIngeniero Informáticoes_PE
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
TÁVARA IDROGO, Josué Gastón.pdf
Size:
7.45 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis de Informática