Detección de objetos con visión por computador mediante YOLO para reconocimiento de vehículos a partir del número de la placa / Juan Carlos Carrillo Escobar; Luis Eduardo Rodríguez Castilla; Director Luis Fernando Murillo Fernández.
By: Carrillo Escobar, Juan Carlos [author.].
Contributor(s): Rodríguez Castilla, Luis Eduardo | Murillo Fernández, Luis Fernando, director.
Material type: BookPublisher: Cartagena de Indias : Corporación Universitaria Rafael Nuñez, 2022Description: 98 páginas : il., tabs.Content type: text Media type: unmediated Carrier type: volumeSubject(s): Sistemas de Informacion y Software -- Tesis y Disertaciones AcademicasDDC classification: TSI 2022 Online resources: Click aqui para ver el recurso en texto completo Dissertation note: Trabajo de Grado. (Tecnologo en Sistemas de Informacion y Software). Corporación Universitaria Rafael Nuñez . Facultad de Ingeniería de Sistemas . Programa de Tecnología en Sistemas de Informacion y Software, 2022. Summary: "El presente trabajo de grado abarca una amplia información de tecnología innovadora respecto a la visión artificial que están comprendidas bajo el enfoque de Machine Learning mediante el desarrollo de un software llamado "YOLO" que funciona sobre el reconocimiento de objetos y en especial placas vehiculares. En este proyecto se ejecutan técnicas básicas de procesamiento y segmentación de imágenes, como la binarización y la detección de contornos, ya que son pieza fundamental para extraer los numero y letras de las matrículas. Adicionalmente, para el enfoque de Machine Learning se entrenan nueve modelos de clasificación, en los cuales se combinan tres descriptores de características, entre ellos están el Histograma de Gradientes, Local Binary Patterns y características HAARla detección es un problema de regresión simple que toma una imagen de entrada y aprende las probabilidades de la clase y las coordenadas del cuadro delimitador. YOLO divide cada imagen en una cuadrícula de S x S y cada cuadrícula predice N cuadros delimitadores y confianza. La confianza refleja la precisión del cuadro delimitador y si el cuadro delimitador realmente contiene un objeto (independientemente de la clase). YOLO también predice el puntaje de clasificación para cada casilla para cada clase en entrenamiento. Puede combinar ambas clases para calcular la probabilidad de que cada clase está presente en un cuadro de predicción."Item type | Current location | Call number | Status | Date due | Barcode |
---|---|---|---|---|---|
Trabajos de grado | Trabajos de grado | TSI 2022 C317 (Browse shelf) | Available | 021582 |
Browsing Cartagena Shelves , Shelving location: Trabajos de grado Close shelf browser
Trabajo de Grado. (Tecnologo en Sistemas de Informacion y Software). Corporación Universitaria Rafael Nuñez . Facultad de Ingeniería de Sistemas . Programa de Tecnología en Sistemas de Informacion y Software, 2022.
"El presente trabajo de grado abarca una amplia información de tecnología innovadora respecto a la visión artificial que están comprendidas bajo el enfoque de Machine Learning mediante el desarrollo de un software llamado "YOLO" que funciona sobre el reconocimiento de objetos y en especial placas vehiculares. En este proyecto se ejecutan técnicas básicas de procesamiento y segmentación de imágenes, como la binarización y la detección de contornos, ya que son pieza fundamental para extraer los numero y letras de las matrículas. Adicionalmente, para el enfoque de Machine Learning se entrenan nueve modelos de clasificación, en los cuales se combinan tres descriptores de características, entre ellos están el Histograma de Gradientes, Local Binary Patterns y características HAARla detección es un problema de regresión simple que toma una imagen de entrada y aprende las probabilidades de la clase y las coordenadas del cuadro delimitador. YOLO divide cada imagen en una cuadrícula de S x S y cada cuadrícula predice N cuadros delimitadores y confianza. La confianza refleja la precisión del cuadro delimitador y si el cuadro delimitador realmente contiene un objeto (independientemente de la clase). YOLO también predice el puntaje de clasificación para cada casilla para cada clase en entrenamiento. Puede combinar ambas clases para calcular la probabilidad de que cada clase está presente en un cuadro de predicción."