Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/13074
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorBenítez, Diego, dir.-
dc.contributor.authorGil Bazán, Kevin Angel-
dc.contributor.authorGil Bazán, Angelo Abel-
dc.date.accessioned2024-02-19T18:48:50Z-
dc.date.available2024-02-19T18:48:50Z-
dc.date.issued2023-07-25-
dc.identifier.citationTesis (Ingeniero Eléctronico), Universidad San Francisco de Quito, Colegio de Ciencias e Ingeniería ; Quito, Ecuador, 2023es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/13074-
dc.descriptionSea lions (Zalophus Wollebaeki) are a protected species, and effective monitoring is crucial for habitat preservation and behavioral studies. However, manual sea lion counting is laborious and error prone. In this paper, we explore the use of two standard convolutional neural network models (YOLO-NAS and YOLOv8) for sea lion detection as a preliminary step towards automating the counting process...es_ES
dc.description.abstractLos leones o lobos marinos (Zalophus Wollebaeki) son una especie protegida, y el monitoreo efectivo es crucial para la preservación del hábitat y los estudios de comportamiento. Sin embargo, el conteo manual de leones marinos es laborioso y propenso a errores. En este artículo, exploramos el uso de dos modelos de redes neuronales convolucionales estándar (YOLO-NAS y YOLOv8) para la detección de leones marinos como un paso preliminar hacia la automatización del proceso de conteo...es_ES
dc.format.extent38 h.es_ES
dc.language.isospaes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectAprendizaje automático (Inteligencia artificial) - Tesis y disertaciones académicases_ES
dc.subject.otherCienciases_ES
dc.subject.otherZoologíaes_ES
dc.titleDetección de leones marinos en las Islas Galápagos : una comparación entre los modelos de aprendizaje profundo YOLO-NAS y YOLOv8es_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería Eléctrica y Electrónica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
213402-213404.pdfTexto completo2.77 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons