Sandra Milena García, Cristian Alexander Vega Camacho, José Vicente Cadena López, Ricardo Alirio González Bustamante, Paula Mateus
En los últimos años, el reconocimiento y detección de objetos en video ha sido una labor compleja para los sistemas de visión por computador. Con la evolución del aprendizaje profundo se han desarrollado algoritmos y modelos que permiten la detección y clasificación de objetos en tiempo real con un alto rendimiento. El objetivo de este capítulo es presentar un modelo capaz de detectar motocicletas en video basado en el entrenamiento de una Red Neuronal Convolucional, y utilizando el entorno de trabajo You Only Look Once YOLOv3. El desarrollo de este sistema se dividió en tres fases: en la primera fase se recopilaron más de 300 imágenes de motocicletas, en la segunda se extrajeron las características de cada imagen, y en la tercera se ejecutó el entrenamiento de la Red Neuronal Convolucional CNN aprovechando la plataforma en la nube de Google Colab, que permitió utilizar la Unidad de Procesamiento Gráfico GPU de los servidores virtuales de Google. Los resultados obtenidos de la implementación del algoritmo alcanzaron una predicción del 99% para un video con una cámara en movimiento desde diferentes ángulos. De igual manera, se analizó el desempeño del sistema utilizando el video de una de las cámaras del Circuito Cerrado de Televisión CCTV ubicada en una de las avenidas principales de la ciudad de Bogotá, Colombia, cuyos resultados tuvieron una predicción del 89%.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados