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/123456789/40453| Title: | Uso de técnicas de visión artificial en el análisis de tráfico vehicular |
| Authors: | Barba Guamán, Luis Rodrigo Suárez Sánchez, Santiago Fernando |
| Keywords: | Ecuador. Tesis digital. |
| Issue Date: | 2023 |
| Citation: | Suárez Sánchez, S. F. Barba Guamán, L. R. (2023) Uso de técnicas de visión artificial en el análisis de tráfico vehicular [Tesis de Posgrado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/123456789/40453 |
| Abstract: | Abstract: Vehicle recognition and classification is an essential application of computer vision that has gained prominence in the age of automation. Using advanced image processing techniques and machine learning algorithms, systems can identify vehicles in images or videos and categories them into specific types, such as sedans, SUVs or trucks. These technologies find use in areas such as safety, traffic management and driver assistance systems. The basis of these solutions relies on convolutional neural networks (CNNs), with models such as VGG16 or MobileNetV2 showing high accuracy. To train these systems, large labelled datasets and data augmentation techniques are required to improve their robustness. Despite advances, variability in vehicle appearance due to external factors, such as illumination or viewing angle, remains a challenge. However, with continued research, more accurate solutions are expected in the future. |
| Description: | Resumen: El reconocimiento y clasificación de vehículos es una aplicación esencial de la visión por computadora que ha cobrado relevancia en la era de la automatización. Utilizando técnicas avanzadas de procesamiento de imágenes y algoritmos de aprendizaje automático, los sistemas pueden identificar vehículos en imágenes o vídeos y categorizarlos en tipos específicos, como sedanes, SUV s o camiones. Estas tecnologías encuentran uso en áreas como seguridad, gestión del tráfico y sistemas de asistencia al conductor. La base de estas soluciones se apoya en las redes neuronales convoluciones (CNN s), con modelos como VGG16 o MobileNetV2 mostrando alta precisión. Para entrenar estos sistemas, se requieren grandes conjuntos de datos etiquetados y técnicas de data augmentation para mejorar su robustez. A pesar de los avances, la variabilidad en la apariencia de los vehículos debido a factores externos, como la iluminación o ángulo de visión, sigue siendo un desafío. Sin embargo, con la investigación continua, se espera obtener soluciones más precisas en el futuro. |
| URI: | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=136534.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.