Detección e identificación de rutinas con técnicas de inteligencia artificial

Autores
García, Tomás Federico
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Massa, José María
Menchón, Martin Alejandro
Descripción
En los últimos años se ha comprobado que el registro de las actividades diarias de una persona forman un volumen de información extenso, el cuál puede contribuir a tratamientos contra enfermedades o condiciones relacionadas a la pérdida de memoria. Una forma de capturar estos eventos, es mediante el uso de cámaras egocéntricas, un tipo de cámaras que intentan imitar el campo visual de un individuo. Gracias a los avances en el área de la inteligencia artificial, los algoritmos de Deep Learning para la clasificación de imágenes convierten la tarea de clasificar estas imágenes en una tarea semi-automática. En base a esta premisa, se pretende estudiar la viabilidad de una solución que sea capaz de detectar e identificar actividades rutinarias a partir de un conjunto de imágenes tomadas a lo largo de un período de tiempo determinado.
Fil: García, Tomás Federico. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Massa, José María . Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Menchón, Martin Alejandro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Materia
Ingeniería del software
Interacción hombre-computación
Ingeniería de sistemas
Cámaras egocéntricas
Inteligencia artificial
Deep Learning
Imágenes egocéntricas
Enfermedades de la memoria
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/2377

id RIDUNICEN_201aadb9761cb64ef9c4ebffea550614
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/2377
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Detección e identificación de rutinas con técnicas de inteligencia artificialGarcía, Tomás FedericoIngeniería del softwareInteracción hombre-computaciónIngeniería de sistemasCámaras egocéntricasInteligencia artificialDeep LearningImágenes egocéntricasEnfermedades de la memoriaEn los últimos años se ha comprobado que el registro de las actividades diarias de una persona forman un volumen de información extenso, el cuál puede contribuir a tratamientos contra enfermedades o condiciones relacionadas a la pérdida de memoria. Una forma de capturar estos eventos, es mediante el uso de cámaras egocéntricas, un tipo de cámaras que intentan imitar el campo visual de un individuo. Gracias a los avances en el área de la inteligencia artificial, los algoritmos de Deep Learning para la clasificación de imágenes convierten la tarea de clasificar estas imágenes en una tarea semi-automática. En base a esta premisa, se pretende estudiar la viabilidad de una solución que sea capaz de detectar e identificar actividades rutinarias a partir de un conjunto de imágenes tomadas a lo largo de un período de tiempo determinado.Fil: García, Tomás Federico. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Massa, José María . Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Menchón, Martin Alejandro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExactasMassa, José MaríaMenchón, Martin Alejandro2020-09info:eu-repo/date/embargoEnd/2021-11-202020-11-23T16:06:02Z2020-11-23T16:06:02Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfhttps://www.ridaa.unicen.edu.ar/handle/123456789/2377spahttp://creativecommons.org/licenses/by-nc/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-09-29T13:41:17Zoai:ridaa.unicen.edu.ar:123456789/2377instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-29 13:41:17.862RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Detección e identificación de rutinas con técnicas de inteligencia artificial
title Detección e identificación de rutinas con técnicas de inteligencia artificial
spellingShingle Detección e identificación de rutinas con técnicas de inteligencia artificial
García, Tomás Federico
Ingeniería del software
Interacción hombre-computación
Ingeniería de sistemas
Cámaras egocéntricas
Inteligencia artificial
Deep Learning
Imágenes egocéntricas
Enfermedades de la memoria
title_short Detección e identificación de rutinas con técnicas de inteligencia artificial
title_full Detección e identificación de rutinas con técnicas de inteligencia artificial
title_fullStr Detección e identificación de rutinas con técnicas de inteligencia artificial
title_full_unstemmed Detección e identificación de rutinas con técnicas de inteligencia artificial
title_sort Detección e identificación de rutinas con técnicas de inteligencia artificial
dc.creator.none.fl_str_mv García, Tomás Federico
author García, Tomás Federico
author_facet García, Tomás Federico
author_role author
dc.contributor.none.fl_str_mv Massa, José María
Menchón, Martin Alejandro
dc.subject.none.fl_str_mv Ingeniería del software
Interacción hombre-computación
Ingeniería de sistemas
Cámaras egocéntricas
Inteligencia artificial
Deep Learning
Imágenes egocéntricas
Enfermedades de la memoria
topic Ingeniería del software
Interacción hombre-computación
Ingeniería de sistemas
Cámaras egocéntricas
Inteligencia artificial
Deep Learning
Imágenes egocéntricas
Enfermedades de la memoria
dc.description.none.fl_txt_mv En los últimos años se ha comprobado que el registro de las actividades diarias de una persona forman un volumen de información extenso, el cuál puede contribuir a tratamientos contra enfermedades o condiciones relacionadas a la pérdida de memoria. Una forma de capturar estos eventos, es mediante el uso de cámaras egocéntricas, un tipo de cámaras que intentan imitar el campo visual de un individuo. Gracias a los avances en el área de la inteligencia artificial, los algoritmos de Deep Learning para la clasificación de imágenes convierten la tarea de clasificar estas imágenes en una tarea semi-automática. En base a esta premisa, se pretende estudiar la viabilidad de una solución que sea capaz de detectar e identificar actividades rutinarias a partir de un conjunto de imágenes tomadas a lo largo de un período de tiempo determinado.
Fil: García, Tomás Federico. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Massa, José María . Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Menchón, Martin Alejandro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
description En los últimos años se ha comprobado que el registro de las actividades diarias de una persona forman un volumen de información extenso, el cuál puede contribuir a tratamientos contra enfermedades o condiciones relacionadas a la pérdida de memoria. Una forma de capturar estos eventos, es mediante el uso de cámaras egocéntricas, un tipo de cámaras que intentan imitar el campo visual de un individuo. Gracias a los avances en el área de la inteligencia artificial, los algoritmos de Deep Learning para la clasificación de imágenes convierten la tarea de clasificar estas imágenes en una tarea semi-automática. En base a esta premisa, se pretende estudiar la viabilidad de una solución que sea capaz de detectar e identificar actividades rutinarias a partir de un conjunto de imágenes tomadas a lo largo de un período de tiempo determinado.
publishDate 2020
dc.date.none.fl_str_mv 2020-09
2020-11-23T16:06:02Z
2020-11-23T16:06:02Z
info:eu-repo/date/embargoEnd/2021-11-20
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://www.ridaa.unicen.edu.ar/handle/123456789/2377
url https://www.ridaa.unicen.edu.ar/handle/123456789/2377
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
dc.source.none.fl_str_mv reponame:RIDAA (UNICEN)
instname:Universidad Nacional del Centro de la Provincia de Buenos Aires
reponame_str RIDAA (UNICEN)
collection RIDAA (UNICEN)
instname_str Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.name.fl_str_mv RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.mail.fl_str_mv lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;
_version_ 1844619024722296832
score 12.559606