dc.contributorGutiérrez Gutiérrez, Jorge Luis
dc.creatorTávara Idrogo, Josué Gastón
dc.date.accessioned2019-07-18T19:04:33Z
dc.date.accessioned2024-05-07T23:56:18Z
dc.date.available2019-07-18T19:04:33Z
dc.date.available2024-05-07T23:56:18Z
dc.date.created2019-07-18T19:04:33Z
dc.date.issued2019
dc.identifierhttps://hdl.handle.net/20.500.14414/13189
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9350581
dc.description.abstractLa presente investigación tiene por objetivo principal implementar un modelo basado en el aprendizaje profundo de redes neuronales convolucionales para reconocer automáticamente señales de tránsito vehicular usando técnicas de procesamiento de imágenes y fundamentos de inteligencia artificial. El proyecto se centra en un grupo de señales de Tránsito vehicular de Alemania y Perú, identificando 43 y 7 categorías respectivamente. Iniciando con la adquisición de imágenes, se procedió a realizar el procesamiento de estas con la finalidad de aumentar el conjunto de datos y poder ejecutar el aprendizaje profundo a través de diversos diseños de modelos de redes neuronales convolucionales. Como resultado final, se obtuvo un modelo con buenos indicadores y resultados en el reconocimiento de señales de tránsito vehicular. De esta manera, se pretende contribuir en los esfuerzos de la industria automotriz en el campo de sistemas avanzados de asistencia al conductor, así como también puede formar parte de diversos mecanismos que buscan dar soluciones a la inseguridad vial
dc.languagespa
dc.publisherUniversidad Nacional de Trujillo
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.sourceUniversidad Nacional de Trujillo
dc.sourceRepositorio institucional - UNITRU
dc.subjectAprendizaje profundo
dc.subjectRedes neuronales convolucionales
dc.subjectProcesamiento de imágenes
dc.titleModelo de reconocimiento automático de señales de tránsito vehicular mediante aprendizaje profundo de redes neuronales convolucionales
dc.typeinfo:eu-repo/semantics/bachelorThesis


Este ítem pertenece a la siguiente institución