RED NEURONAL DEEPLEARNING
Enviado por Jose Ramirez Ramirez • 5 de Septiembre de 2018 • Tesis • 3.149 Palabras (13 Páginas) • 137 Visitas
ESCUELA MILITAR DE INGENIERÍA
“Mcal. Antonio José de Sucre”
LA PAZ - BOLIVIA
PERFIL DE TRABAJO DE GRADO
[pic 1]
DISEÑO DE UN SISTEMA DE RECONIMIENTO Y CLASIFICACIÓN DE SEÑALES DE TRANSITO E INFRACCIONES VEHICULARES CON SANCION AUTOMATICA AL NUMERO DE PLACA UTILIZANDO APRENDIZAJE PROFUNDO “DEEP LEARNING”
UNIV. JOSE ALBERTO RAMIREZ RAMIREZ
LA PAZ, 2018
ESCUELA MILITAR DE INGENIERÍA
“Mcal. Antonio José de Sucre”
LA PAZ - BOLIVIA
PERFIL DE TRABAJO DE GRADO[pic 2]
DISEÑO DE UN SISTEMA DE RECONIMIENTO Y CLASIFICACIÓN DE SEÑALES DE TRANSITO E INFRACCIONES VEHICULARES CON SANCION AUTOMATICA AL NUMERO DE PLACA UTILIZANDO APRENDIZAJE PROFUNDO “DEEP LEARNING”
UNIV. JOSE ALBERTO RAMIREZ RAMIREZ
Modalidad: Perfil de Trabajo de Grado presentado como requisito para optar al Grado Académico de Licenciatura en Ingeniería de Sistemas
LA PAZ, 2018
RESUMEN EJECUTIVO
En los diez años (2005 – 2015) se han reportado 387,370 accidentes de tránsito, siendo el exceso de velocidad e infracciones de señales de tránsito (pasar en luz roja, parqueo en lugares prohibidos) los principales factores. Estas cifras y la probabilidad que suceda una tragedia al volante pueden reducirse significativamente si se mejora el monitoreo de vehículos.
La ciudad del futuro debe ser más inteligente: con la capacidad de poder encontrar personas desaparecidas, reconocer zonas donde se vive con más pobreza para mejorar la distribución de bienes, y reconocer actos criminales como violación de señales de tránsito.
La clasificación y monitoreo de señales de tránsito es la base o fundación para poder implementar cámaras de video vigilancia más inteligentes. Se presenta una solución para el problema usando el paradigma denominada “Deep Learning” o aprendizaje profundo, perteneciente al área de inteligencia artificial y que en recientes años ha sido usado para resolver otros problemas como el de reconocimiento óptico de caracteres, clasificación de imágenes, reconocimiento facial, reconocimiento de voz, diagnóstico de enfermedades, entre otros.
Las técnicas que predominan en este paradigma son las CNNs, se utilizan como principal algoritmo en tareas que involucran visión artificial, tales como la detección de objetos. Se ha logrado un despunte importante en el reconocimiento de patrones en imágenes y video empleando estas técnicas, al grado de superar la capacidad humana
Se realizarán varios diseños en base a señales de tránsito Boliviano. El diseño con el mejor resultado debe logra un porcentaje de aciertos de 95.29% para ser aceptados.
ABSTRACT
In the ten years (2005 - 2015) 387,370 traffic accidents have been reported, being the excess speed and traffic signal infractions (passing in red light, parking in prohibited places) the main factors. These figures and the likelihood of a tragedy behind the wheel can be significantly reduced if vehicle monitoring is improved.
The city of the future must be smarter: with the ability to find missing persons, recognize areas where people live with more poverty to improve the distribution of goods, and recognize criminal acts such as violation of traffic signals.
The classification and monitoring of traffic signals is the basis or foundation to be able to implement smarter video surveillance cameras. A solution to the problem is presented using a technique called "Deep Learning" or deep learning, belonging to the area of artificial intelligence and that in recent years has been used to solve other problems such as optical character recognition, image classification, recognition facial, voice recognition, diagnosis of diseases, among others.
The techniques that predominate in this paradigm are the CNNs, they are used as the main algorithm in tasks that involve artificial vision, such as the detection of objects. It has achieved an important break in the recognition of patterns in images and video using these techniques, to the extent of exceeding human capacity
Several designs will be made based on Bolivian traffic signals. The design with the best result must achieve a percentage of correct answers of 95.29% to be accepted.
INDICE DE CONTENIDO
I. INTRODUCCION 1
II. ANTECEDENTES 2
a. ANTECENTES ACADEMICOS 2
III. PLANTEAMIENTO DEL PROBLEMA 3
a. PROBLEMA PRINCIPAL 4
b. PROBLEMA SECUNDARIO 4
IV. OBJETIVOS 5
a. OBJETIVO GENERAL 5
b. OBJETIVOS ESPECIFICOS 5
V. JUSTIFICACION 6
a. JUSTIFICACION TECNICA 6
b. JUSTIFICACION ECONOMICA 6
c. JUSTIFICACION SOCIAL 6
VI. ALCANZES 7
a. ALCANCE GEOGRAFICO 7
b. ALCANCE TEMPORAL 7
c. ALCANCE TEMATICO 8
VII. BIBLIOGRAFIA 8
VIII. ANEXOS 9
ARBOL DE PROBLEMAS 9
ARBOL DE OBJETIVOS 9
DISEÑO DE UN SISTEMA DE RECONIMIENTO Y CLASIFICACIÓN DE SEÑALES DE TRANSITO E INFRACCIONES VEHICULARES CON SANCION AUTOMATICA AL NUMERO DE PLACA UTILIZANDO APRENDIZAJE PROFUNDO “DEEP LEARNING”
...