Detección de peatones en video usando algoritmos de aprendizaje automático

Autores
Camele, Genaro
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Hasperué, Waldo
Ronchetti, Franco
Descripción
La detección de peatones utilizando algoritmos de Machine Learning es un tema ampliamente abordado. En esta tesis se hará uso de SVM y redes neuronales como clasificadores, utilizando combinaciones de diferentes descriptores para esta tarea. Se analizaran varias métricas obtenidas por ambos modelos, esto permitirá determinar si los clasificadores propuestos alcanzan resultados aceptables en un contexto tan diverso como lo es un ambiente urbano. Usando SVM se realizará un análisis de la transferencia de aprendizaje, midiendo si al evaluar un conjunto de datos diferentes del que se entrenó alcanza métricas similares.
Licenciado en Sistemas
Universidad Nacional de La Plata
Facultad de Informática
Materia
Ciencias Informáticas
Clasificación y detección de peatones
Machine Learning
Máquinas de vectores de soporte
Redes neuronales
Deep Learning
Transferencia de aprendizaje
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/119983
Acceder
id SEDICI_16faea8116675acdd9207815023fb6e9
oai_identifier_str oai:sedici.unlp.edu.ar:10915/119983
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Detección de peatones en video usando algoritmos de aprendizaje automáticoCamele, GenaroCiencias InformáticasClasificación y detección de peatonesMachine LearningMáquinas de vectores de soporteRedes neuronalesDeep LearningTransferencia de aprendizajeLa detección de peatones utilizando algoritmos de Machine Learning es un tema ampliamente abordado. En esta tesis se hará uso de SVM y redes neuronales como clasificadores, utilizando combinaciones de diferentes descriptores para esta tarea. Se analizaran varias métricas obtenidas por ambos modelos, esto permitirá determinar si los clasificadores propuestos alcanzan resultados aceptables en un contexto tan diverso como lo es un ambiente urbano. Usando SVM se realizará un análisis de la transferencia de aprendizaje, midiendo si al evaluar un conjunto de datos diferentes del que se entrenó alcanza métricas similares.Licenciado en SistemasUniversidad Nacional de La PlataFacultad de InformáticaHasperué, WaldoRonchetti, Franco2019-03-12info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/119983spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T17:09:00Zoai:sedici.unlp.edu.ar:10915/119983Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:09:00.374SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Detección de peatones en video usando algoritmos de aprendizaje automático
title Detección de peatones en video usando algoritmos de aprendizaje automático
spellingShingle Detección de peatones en video usando algoritmos de aprendizaje automático
Camele, Genaro
Ciencias Informáticas
Clasificación y detección de peatones
Machine Learning
Máquinas de vectores de soporte
Redes neuronales
Deep Learning
Transferencia de aprendizaje
title_short Detección de peatones en video usando algoritmos de aprendizaje automático
title_full Detección de peatones en video usando algoritmos de aprendizaje automático
title_fullStr Detección de peatones en video usando algoritmos de aprendizaje automático
title_full_unstemmed Detección de peatones en video usando algoritmos de aprendizaje automático
title_sort Detección de peatones en video usando algoritmos de aprendizaje automático
dc.creator.none.fl_str_mv Camele, Genaro
author Camele, Genaro
author_facet Camele, Genaro
author_role author
dc.contributor.none.fl_str_mv Hasperué, Waldo
Ronchetti, Franco
dc.subject.none.fl_str_mv Ciencias Informáticas
Clasificación y detección de peatones
Machine Learning
Máquinas de vectores de soporte
Redes neuronales
Deep Learning
Transferencia de aprendizaje
topic Ciencias Informáticas
Clasificación y detección de peatones
Machine Learning
Máquinas de vectores de soporte
Redes neuronales
Deep Learning
Transferencia de aprendizaje
dc.description.none.fl_txt_mv La detección de peatones utilizando algoritmos de Machine Learning es un tema ampliamente abordado. En esta tesis se hará uso de SVM y redes neuronales como clasificadores, utilizando combinaciones de diferentes descriptores para esta tarea. Se analizaran varias métricas obtenidas por ambos modelos, esto permitirá determinar si los clasificadores propuestos alcanzan resultados aceptables en un contexto tan diverso como lo es un ambiente urbano. Usando SVM se realizará un análisis de la transferencia de aprendizaje, midiendo si al evaluar un conjunto de datos diferentes del que se entrenó alcanza métricas similares.
Licenciado en Sistemas
Universidad Nacional de La Plata
Facultad de Informática
description La detección de peatones utilizando algoritmos de Machine Learning es un tema ampliamente abordado. En esta tesis se hará uso de SVM y redes neuronales como clasificadores, utilizando combinaciones de diferentes descriptores para esta tarea. Se analizaran varias métricas obtenidas por ambos modelos, esto permitirá determinar si los clasificadores propuestos alcanzan resultados aceptables en un contexto tan diverso como lo es un ambiente urbano. Usando SVM se realizará un análisis de la transferencia de aprendizaje, midiendo si al evaluar un conjunto de datos diferentes del que se entrenó alcanza métricas similares.
publishDate 2019
dc.date.none.fl_str_mv 2019-03-12
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
Tesis de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/119983
url http://sedici.unlp.edu.ar/handle/10915/119983
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783412049805312
score 12.982451

Publicaciones similares