DSpace logo

Please use this identifier to cite or link to this item: http://dspace.uazuay.edu.ec/handle/datos/9406
Title: Análisis del rendimiento de detectar, clasificar vehículos y pedestres en tiempo continuo con smartphone Android y TensorFlow Lite
Authors: Orellana Cordero, Marcos
Campoverde Quito, Wilson Andrés
Keywords: REDES NEURONALES;APRENDIZAJE PROFUNDO;TENSORFLOW;TENSORFLOW LITE;ANDROID
Issue Date: 2019
Publisher: Universidad del Azuay
Abstract: Generalmente, se utilizan personas para conteo manual de vehículos y actores de la movilidad, lo cual resulta costoso. Actualmente, el avance de la tecnología permite utilizar métodos basados en redes neuronales convolucionales a la visión por computadora. El objetivo de este trabajo es conocer el rendimiento de las técnicas actuales en un dispositivo smartphone Android, estas medidas son conocidas en la literatura como precisión y recall. Consecuentemente se analiza la creación de un sistema automático a bajo costo que permita clasificar y contar estos actores del espacio público, usando TensorFlow Lite. Adicionalmente, se reentrena un modelo basado en Single Shot Detector para comparar 2 modelos: el primero por efecto y el segundo re-entrenado. Los resultados reportan un incremento significativo en rendimiento mAP para el modelo, como también mejoran las medidas de precision y recall.
metadata.dc.description.degree: Ingeniero en Sistemas y Telemática
URI: http://dspace.uazuay.edu.ec/handle/datos/9406
Appears in Collections:Facultad de Ciencias de la Administración

Files in This Item:
File Description SizeFormat 
15043.pdfTrabajo de Graduación3.81 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.