DSpace logo

Please use this identifier to cite or link to this item: http://dspace.uazuay.edu.ec/handle/datos/9795
Title: Rendimiento de RaspberryPi con Intel_NCS ejecutando métodos de aprendizaje profundo neuronal en clasificación de tipo de vehículos en tiempo continuo
Authors: Barros Gavilanes, Juan Gabriel
Tapia Moscoso, David Andrés
Keywords: MEDICIÓN DE RENDIMIENTO;RASPBERRY PI 3B+,;YOU ONLY LOOK ONCE V3;SINGLE SHOT MULTIBOX DETECTOR;DEEP NEURAL NETWORKS;NEURAL COMPUTE STICK;ACTORES DE MOVILIDAD;CONTEO
Issue Date: 2020
Publisher: Universidad del Azuay
Abstract: La clasificación de tipo de vehículos y su conteo en las calles de una ciudad, ayuda a tomar decisiones respecto a la construcción y ampliación de vías, cuantificación del tráfico y necesidades de ciclo vías. Sin embargo, se requiere de un sistema automático que realice esta clasificación de forma continua en un flujo de video. El objetivo de esta investigación es reportar el rendimiento de dos métodos de detección y clasificación de actores de movilidad basados en Deep Neural Networks (DNN) ejecutándose en un Raspberry Pi 3B+, permitiendo identificar el modelo que brinda mayor precisión con menor consumo de recursos. Se comparó You Only Look Once v3 (YOLO v3) y Single Shot MultiBox Detector (SSD). Los resultados demuestran que SSD es la mejor alternativa siendo hasta trece veces más veloz que YOLO v3. Durante la ejecución del sistema utilizando el Intel Neural Compute Stick 2 con SSD se tiene un consumo promedio del CPU del Raspberry Pi 3B+ del 10% y 15% de memoria RAM. El valor de referencia de mAP para SSD es del 72.7%.
metadata.dc.description.degree: Ingeniero en Sistemas y Telemática
URI: http://dspace.uazuay.edu.ec/handle/datos/9795
Appears in Collections:Facultad de Ciencias de la Administración

Files in This Item:
File Description SizeFormat 
15426.pdfTrabajo de Graduación2.1 MBAdobe PDFThumbnail
View/Open


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