La presente investigación se basa en la evaluación y comparación de diferentes modelos de arquitecturas de redes neuronales profundas, en ambientes rurales. La mayor cantidad de técnicas utilizadas en la detección de objetos, son evaluadas en el área urbana, donde los algoritmos funcionan muy bien, pero es muy escasa la información cuando se trata de áreas rurales, donde al no existir por ejemplo, líneas o marcas en las vías, la falta de iluminación, hace que varias de las técnicas desarrolladas en zonas urbanas tienden a fallar. Luego de presentar la metodología de evaluación de las arquitecturas de aprendizaje profundo, se puede concluir que no existe un detector ideal que pueda acoplarse a todo tipo de situación rural, sino que, depende de la de tarea y el ambiente donde se evaluará el detector, así también, la etapa de entrenamiento es muy importante para mejorar la capacidad de precisión del modelo.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados