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.
By: Correa Atencio, Edgardo.
Contributor(s): Martínez Meza, Alex Hamet | Fernández Piña, Francisco Manuel [asesor.].
Material type:
BookPublisher: Cartagena de Indias : Corporación Universitaria Rafael Nuñez, 2022Description: 124 hojas.Content type: Media type: Carrier type: Subject(s): Ingenieria de Sistemas -- Tesis y disertaciones academicasDDC classification: INS 2022 Online resources: Click aqui para ver el recurso en texto completo Summary: "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.."
| Item type | Current location | Call number | Copy number | Status | Date due | Barcode |
|---|---|---|---|---|---|---|
Trabajos de grado
|
Trabajos de grado | INS 2022 C817 (Browse shelf) | 1 | Available | 024636 |
Browsing Cartagena Shelves , Shelving location: Trabajos de grado Close shelf browser
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.."
