Please use this identifier to cite or link to this item:
http://dspace.uazuay.edu.ec/handle/datos/9406Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Orellana Cordero, Marcos Patricio | - |
| dc.contributor.author | Campoverde Quito, Wilson Andrés | - |
| dc.date.accessioned | 2019-10-02T22:41:45Z | - |
| dc.date.available | 2019-10-02T22:41:45Z | - |
| dc.date.issued | 2019 | - |
| dc.identifier.uri | http://dspace.uazuay.edu.ec/handle/datos/9406 | - |
| dc.description.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. | es |
| dc.language.iso | spa | es |
| dc.publisher | Universidad del Azuay | es |
| dc.rights | openAccess | es |
| dc.subject | REDES NEURONALES | es |
| dc.subject | APRENDIZAJE PROFUNDO | es |
| dc.subject | TENSORFLOW | es |
| dc.subject | TENSORFLOW LITE | es |
| dc.subject | ANDROID | es |
| dc.title | Análisis del rendimiento de detectar, clasificar vehículos y pedestres en tiempo continuo con smartphone Android y TensorFlow Lite | es |
| dc.type | bachelorThesis | es |
| dc.description.degree | Ingeniero en Sistemas y Telemática | es |
| dc.pagination.pages | 47 p | es |
| Appears in Collections: | Facultad de Ciencias de la Administración | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 15043.pdf | Trabajo de Graduación | 3,81 MB | Adobe PDF | ![]() View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
