Detección de la señalización de tránsito vertical con redes neuronales convolucionales basadas en bloques residuales
Fiche du document
1 septembre 2022
- handle: 10670/1.5842z9
Fides et Ratio - Revista de Difusión cultural y científica de la Universidad La Salle en Bolivia
info:eu-repo/semantics/openAccess
Mots-clés
GTSRB Segmentación Procesamiento de Imágenes Accidentes de Tránsito Clasificación ResNet ResUnetCiter ce document
Adrián Javier Alarcon Vargas, « Detección de la señalización de tránsito vertical con redes neuronales convolucionales basadas en bloques residuales », Fides et Ratio - Revista de Difusión cultural y científica de la Universidad La Salle en Bolivia, ID : 10670/1.5842z9
Métriques
Partage / Export
Résumé
Resumen El objetivo del presente trabajo es entrenar una red neuronal capaz de detectar la señalización de tránsito vertical y clasificarla usando bloques residuales. La metodología utilizada para el desarrollo de la red neuronal comprende cuatro fases: definición de la red neuronal, entrenamiento, utilización y mantenimiento de la red neuronal. Para el desarrollo de la red neuronal se cuenta con dos dataseis, el primero es de origen alemán, consta de 50.000 imágenes y es muy usado para la clasificación de señales de tránsito; y el segundo de origen boliviano, que tiene 9.548 imágenes de carretera. El porcentaje de eficacia de la red neuronal nro. 1 con el dataset GTSRB es alto, obteniendo un valor de 94.36%, además incluye valores altos en el reporte de clasificación, caso contrario sucede con el dataset de Bolivia debido a que el dataset está desbalanceado