DSpace logo
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ucsg.edu.ec/handle/3317/11492
Título : Análisis de métodos para reconocimiento de estado de la luz de los semáforos aplicada para carros de conducción autónoma.
Autor : Cevallos Vaca, Washington Gustavo
metadata.dc.contributor.advisor: Cornejo Gómez, Galo Enrique
Palabras clave : VISIÓN ARTIFICIAL;MACHINE LEARNING;MINERÍA DE DATOS;INTELIGENCIA ARTIFICIAL;VEHÍCULO AUTÓNOMO
Fecha de publicación : 11-sep-2018
Editorial : Universidad Católica de Santiago de Guayaquil
Resumen : This study about how to recognize the light of the traffic light touch different algorithms of computer vision and machine learning with the objective to be applied to self-driving cars. Also, the search about the legal regulations of the self-driving cars national and internationals that now are few or nothing regulations in different countries. The methodology was the experimental, trying different algorithms and parameters tuning to obtain the best approach in the test dataset. The dataset was of 1484 images, split in 80% for training and 20% for test, also finally was used locals traffics lights images for validate the model. In the study shows that implement machine learning can improved the approach of the recognizer the light a different of using only computer vision algorithms. The result was a computer model that can process and predict the state of traffic light of images of never see before, for a future application in self driving.
Descripción : Se presenta el estudio de la posibilidad de reconocimiento de la luz del semáforo por medio de técnicas de visión computacional y aprendizaje de máquina, enfocada en el ámbito de los carros autónomos. Se analizó las leyes a nivel nacional e internacional observando que actualmente se encuentra en una fase inicial, con muy pocas o ninguna regulación. El método a desarrollar fue el experimental, probando técnicas y modelos para ir afinando los parámetros hasta obtener el mejor resultado. El conjunto de datos consistió en 1484 imágenes, divididas en 80% para el entrenamiento y el 20% para pruebas, así como también se usaron imágenes de semáforos locales para la validación del mismo. Se pudo observar que al implementar métodos de aprendizaje de máquina aumenta el rendimiento, a diferencia de usar únicamente métodos de visión computacional. Como resultado se obtuvo un modelo computacional para poder procesar imágenes de semáforo que no se han visto antes, entregando el resultado de la luz del semáforo, para una aplicación futura en carros autónomos.
URI : http://repositorio.ucsg.edu.ec/handle/3317/11492
Aparece en las colecciones: Trabajos de Titulación - Carrera de Ingeniería en Sistemas Computacionales

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
T-UCSG-PRE-ING-CIS-209.pdf1,53 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.