Correa Atencio, Edgardo.
Desarrollo de un módulo de detección de objetos a partir de visión por computador utilizando YOLO para la clasificación de objetos en tiempo real / Edgardo Correa Atencio; director: Francisco Manuel Fernández Piña. - Cartagena de Indias : Corporación Universitaria Rafael Nuñez, 2022. - 124 hojas.
Trabajo de grado (Ingenieria de Sistemas). Corporación Universitaria Rafael Nuñez. Facultad de Ciencias de la salud. Ingenieria de Sistemas, 2018.
"La detección e identificación automática de objetos es uno de los campos de amplia aplicación reciente de la visión artificial lo que permite a los dispositivos adquirir cierto grado de inteligencia artificial que puede ser aprovechada en diversos campos industriales, económicos, educativos, etc. Con ello se potencia de mejor manera los sistemas de video vigilancia, los sistemas de inspección de calidad, conteo y reconocimiento de objetos. Una dificultad que se encuentra con este tipo de sistemas de identificación es el uso de redes neuronales convolucionales (CNN) que al ser redes complejas y requerir varias pasadas de la imagen para poder lograr una identificación/clasificación de los objetos, en muchos casos no pueden ser implementadas en sistemas con poder computacional medio o bajo, requiriendo computadores potentes y con unidades de inferencia adicional como GPU (Graphical Processor Unit), TPU (Tensor Processor Unit), etc.."
Ingenieria de Sistemas--Tesis y disertaciones academicas.
INS 2022 / C817
Desarrollo de un módulo de detección de objetos a partir de visión por computador utilizando YOLO para la clasificación de objetos en tiempo real / Edgardo Correa Atencio; director: Francisco Manuel Fernández Piña. - Cartagena de Indias : Corporación Universitaria Rafael Nuñez, 2022. - 124 hojas.
Trabajo de grado (Ingenieria de Sistemas). Corporación Universitaria Rafael Nuñez. Facultad de Ciencias de la salud. Ingenieria de Sistemas, 2018.
"La detección e identificación automática de objetos es uno de los campos de amplia aplicación reciente de la visión artificial lo que permite a los dispositivos adquirir cierto grado de inteligencia artificial que puede ser aprovechada en diversos campos industriales, económicos, educativos, etc. Con ello se potencia de mejor manera los sistemas de video vigilancia, los sistemas de inspección de calidad, conteo y reconocimiento de objetos. Una dificultad que se encuentra con este tipo de sistemas de identificación es el uso de redes neuronales convolucionales (CNN) que al ser redes complejas y requerir varias pasadas de la imagen para poder lograr una identificación/clasificación de los objetos, en muchos casos no pueden ser implementadas en sistemas con poder computacional medio o bajo, requiriendo computadores potentes y con unidades de inferencia adicional como GPU (Graphical Processor Unit), TPU (Tensor Processor Unit), etc.."
Ingenieria de Sistemas--Tesis y disertaciones academicas.
INS 2022 / C817
