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
- Institución
- Universidad Nacional del Centro de la Provincia de Buenos Aires
- OAI Identificador
- oai:ridaa.unicen.edu.ar:123456789/2377
Ver los metadatos del registro completo
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 |