Show simple item record

dc.contributor.advisorFlores Espinoza, Donato Andrés
dc.contributor.authorPasapera Huamán, Lui Gustavo
dc.date.accessioned2021-02-02T17:10:20Z
dc.date.available2021-02-02T17:10:20Z
dc.date.created2020
dc.date.issued2021-02-02
dc.identifier.urihttp://hdl.handle.net/20.500.12404/18082
dc.description.abstractLa detección de objetos y geolocalización son puntos clave en los sistemas de visión por computadora y su aplicación para la conducción autónoma. Le permite a la computadora el análisis de entorno en la medida que detecta objetos que podrían obstaculizar una determinada ruta, trayectorias a través del reconocimiento de carriles y mayor exactitud para la geolocalización a través de la detección de objetos relevantes en un determinado entorno. Una de las herramientas para la visión por computadora es la implementación de las redes de aprendizaje profundo. En los últimos años han tenido mayor acogida por su capacidad en el poco esfuerzo en cuanto a su clasificación manual o métodos clásicos. Si bien es cierto que necesita millones de imágenes para obtener un resultado aceptable, esto se ha ido mejorando a través de la transferencia de aprendizaje ya que reduce los millones de imágenes a miles. Estos miles de imágenes se consideran como los datos locales las cuales se analizan, clasifican y re-entrenan con una arquitectura de red pre-entrada. El presente trabajo de investigación se basa en el estudio del uso de los aprendizajes adquiridos por cada red de aprendizaje profundo tales como Resnet-18, Resnet-50, Mobilenetv2 y Xception con el fin de aprovechar su acceso e implementación en estructuras de segmentación semántica basadas en redes convolucionales tales como Segnet y Deeplab.es_ES
dc.description.uriTrabajo de investigaciónes_ES
dc.language.isospaes_ES
dc.publisherPontificia Universidad Católica del Perúes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rightsAtribución-NoComercial 2.5 Perú*
dc.rights.urihttp://creativecommons.org/licenses/by-nc/2.5/pe/*
dc.subjectSistema de posicionamiento global--Vehículoes_ES
dc.subjectVisión por computadoras--Diseño de sistemases_ES
dc.subjectAprendizaje automático (Inteligencia artificial)es_ES
dc.titleEstudio de la segmentación semántica para la navegación autónoma de un vehículo que circula en las calles de la provincia de Huamangaes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
thesis.degree.nameBachiller en Ciencias con mención en Ingeniería Electrónicaes_ES
thesis.degree.levelBachilleratoes_ES
thesis.degree.grantorPontificia Universidad Católica del Perú. Facultad de Ciencias e Ingenieríaes_ES
thesis.degree.disciplineCiencias con mención en Ingeniería Electrónicaes_ES
renati.advisor.dni06017817
renati.advisor.orcidhttps://orcid.org/0000-0003-2092-7666es_ES
renati.author.dni76173760
renati.discipline712026es_ES
renati.levelhttps://purl.org/pe-repo/renati/level#bachilleres_ES
renati.typehttp://purl.org/pe-repo/renati/type#trabajoDeInvestigaciones_ES
dc.publisher.countryPEes_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.01es_ES


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess