Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/14588
Tipo de material: masterThesis
Título : Estimación de Velocidad en Video Usando Técnicas de Visión Computacional y Redes Neuronales
Autor : Gallardo Ortiz, Erick Esteban
Director de Tesis : Pineda, Israel, dir.
Descriptores : Redes neuronales (Computadores) - Ciencia de datos - Tesis y disertaciones académicas
Fecha de publicación : 1-dic-2024
Editorial : Quito
Citación : Tesis (Magíster en Ciencia de Datos), Universidad San Francisco de Quito, Colegio de Posgrados ; Quito, Ecuador, 2024
Páginas : 19 h.
Acceso: openAccess
Atribución-NoComercial-SinDerivadas 3.0 Ecuador
Resumen : Este trabajo propone la comparación entre modelos pre-entrenados y un modelo sin entrenamiento, todos estos basados en redes convolucionales con el fin de poder estimar la velocidad en base a videos en tiempo real. Todo esto utilizando un dataset en el cual se tiene etiquetado las velocidades en un instante de tiempo, los modelos tienen como arquitectura 3D CNN para capturar las características espaciales y temporales que ofrece la sucesión de imágenes. Los resultados muestran que los modelos pre-entrenados ofrecen una mejor adaptación al problema comparado con un modelo sin pesos inicializados, de acuerdo con estos resultados se observa que de manera general los modelos pre-entrenados convergen en menos épocas y menor tiempo de entrenamiento, a pesar de consumir más recursos computacionales...
Descripción : This work proposes a comparison between pre-trained models and a model without prior training, all based on convolutional neural networks, with the aim of estimating speed from real-time videos. The dataset used contains labeled speeds at specific time instances, and the models are built with a 3D CNN architecture to capture the spatial and temporal features offered by the sequence of images. The results show that pre-trained models provide better adaptation to the problem compared to a model without initialized weights. In general, pre-trained models converge in fewer epochs and require less training time, although they consume more computational resources...
URI : http://repositorio.usfq.edu.ec/handle/23000/14588
Aparece en las colecciones: Tesis - Maestría en Ciencia de Datos

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
338630.pdfTexto completo871.78 kBAdobe PDFVista previa
Visualizar/Abrir


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