dc.contributorGutiérrez Cáceres, Juan Carlos
dc.creatorSumari Huayta, Felix Oliver
dc.date2020-02-04T16:17:52Z
dc.date2020-02-04T16:17:52Z
dc.date2019
dc.date.accessioned2020-09-24T14:09:28Z
dc.date.available2020-09-24T14:09:28Z
dc.identifierhttp://repositorio.unsa.edu.pe/handle/UNSA/10621
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3267449
dc.descriptionEn la actualidad el Seguimiento Visual de Objetos es utilizado en varias aplicaciones como, video vigilancia, rastreo de animales, control de tráfico, etc. El mundo ha sido testigo del surgimiento de un nuevo dispositivo, como es el vehículo aéreo no tripulado conocido como Drone. El área de Aprendizaje Profundo(CNNs) es muy popular en estos tiempos y ha sido el que mejores resultados ha obtenido en el seguimiento de objetos a pesar de ser lento en procesamiento. MDNet es un algoritmo basado en CNN y Aprendizaje Multidominion que ha obtenido mejores resultados en la evaluación preliminar realizada. En el presente trabajo se creo un DataSet propio denominado VATD, que a diferencia de otros, contienen videos de autos grabados con drones. Añadimos modelos de movimiento en el método MDNet y otros tres para compararlos. Los resultados obtenidos nos muestran que un modelo de movimiento puede aumentar el desempeño en los diferentes algoritmos, específicamente en MDNet se puede notar el aumento en el DataSet propuesto.
dc.descriptionTesis
dc.formatapplication/pdf
dc.languagespa
dc.publisherUniversidad Nacional de San Agustín de Arequipa
dc.rightsinfo:eu-repo/semantics/restrictedAccess
dc.sourceUniversidad Nacional de San Agustín de Arequipa
dc.sourceRepositorio Institucional - UNSA
dc.subjectSeguimiento de Objetos
dc.subjectMDNet
dc.subjectVideo Vigilancia
dc.subjectAprendizaje Profundo
dc.subjectAprendizaje Multidominio
dc.subjectVATD
dc.subjectOtras ingenierías y tecnologías
dc.titleSeguimiento visual de autos en videos grabados con drones
dc.typeTesis


Este ítem pertenece a la siguiente institución