Estimación de Velocidad en Video Usando Técnicas de Visión Computacional y Redes Neuronales

Abstract

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...