Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/handle/123456789/33040| Title: | Identificación y conteo automático de animales salvajes a través de técnica de deep learning |
| Authors: | Barba Guamán, Luis Rodrigo Suing Albito, Genoveva Jackelinne |
| Keywords: | Ecuador. Tesis digital. |
| Issue Date: | 2022 |
| Citation: | Suing Albito, G. J. Barba Guamán, L. R. (2022) Identificación y conteo automático de animales salvajes a través de técnica de deep learning [Tesis de Posgrado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/123456789/33040 |
| Abstract: | Abstract: The study of animal habitat is essential for the conservation of the ecosystem, being necessary a constant monitoring by means of large amounts of images that represent a complex task when recognizing each species. This research work shows a model for automatic detection and counting of wild animals, using deep learning techniques and a dataset made up of camera trap captures. With the help of labeling techniques based on the identification of the region of interest, each object is delimited in the analysis photographs. Then, the YoloV4 framewok and the Faster R-CNN architecture are implemented with convolutional neural network (CNN) models for training and evaluation, until a model adjustable to the prediction characteristics is obtained. The CNN model with the VGG-19 architecture is presented as the most suitable option due to the values obtained in accuracy, precision, and avg_loss which were 97.60%, 99.56% and 0.1718 respectively, surpassing five other models evaluated in this study. |
| Description: | Resumen: El estudio del hábitat de los animales es esencial para la conservación del ecosistema, siendo necesario un monitoreo constante mediante grandes cantidades de imágenes que representan una tarea compleja al reconocer cada especie. El presente trabajo de investigación muestra un modelo de detección y conteo automático de animales salvajes, utilizando técnicas deep learning y un set de datos conformado por capturas de cámaras trampa. Con la ayuda de técnicas de etiquetado basadas en la identificación de la región de interés se delimita cada objeto en las fotografías de análisis. A continuación,s e implementa el framewok YoloV4 y la arquitectura Faster R-CNN con modelos de redes neuronales con volucionales (CNN) para entrenamiento y evaluación, hasta obtener un modelo ajustable a las características de predicción. El modelo CNN con la arquitectura VGG-19 se presenta como la opción más adecuada por los valores obtenidos en accuracy, precisión, y avg_los que fueron 97.60%, 99.56% y 0.1718 respectivamente, superando otros cinco modelos evaluados en este estudio. |
| URI: | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=131869.TITN. |
| Appears in Collections: | Magister en Ciencias y Tecnologías de la Computación |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.