Identificación de establecimientos comerciales no registrados en mapas digitales

Descripción del Articulo

El presente trabajo de investigación busca identificar establecimientos comerciales mediante imágenes de Google Street View (GSV) debido a que facilita obtener imágenes de calles, pero existen ciertas dificultades como: ruido, oclusión de personas, carros, arboles, etc. Para abordar este problema, s...

Descripción completa

Detalles Bibliográficos
Autores: Achahui Vilca, Cesar Ernesto, Huarayo Quispe, Joel Frank
Formato: tesis de grado
Fecha de Publicación:2021
Institución:Universidad Nacional de San Antonio Abad del Cusco
Repositorio:UNSAAC-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.unsaac.edu.pe:20.500.12918/6415
Enlace del recurso:http://hdl.handle.net/20.500.12918/6415
Nivel de acceso:acceso restringido
Materia:OpenStreetMap
Google StreetView
Deep learning
QGIS
http://purl.org/pe-repo/ocde/ford#1.02.01
id RUNS_9ef4f0707d3acb3304dac213ab016ef4
oai_identifier_str oai:repositorio.unsaac.edu.pe:20.500.12918/6415
network_acronym_str RUNS
network_name_str UNSAAC-Institucional
repository_id_str
spelling Enciso Rodas, LauroAchahui Vilca, Cesar ErnestoHuarayo Quispe, Joel Frank2022-03-22T21:40:37Z2022-03-22T21:40:37Z2021253T20210442http://hdl.handle.net/20.500.12918/6415El presente trabajo de investigación busca identificar establecimientos comerciales mediante imágenes de Google Street View (GSV) debido a que facilita obtener imágenes de calles, pero existen ciertas dificultades como: ruido, oclusión de personas, carros, arboles, etc. Para abordar este problema, se propone un método que hace uso de procesamiento de datos espaciales realizadas en un entorno GIS y técnicas de Deep Learning. Primeramente, se creó un algoritmo para descargar automáticamente imágenes de GSV orientadas a las fachadas de los edificios, analizando la geometría de mapas en OSM mediante el software QGIS, con el fin de construir un dataset de imágenes de establecimientos comerciales; para luego entrenar un modelo capaz de detectar y clasificar establecimientos comerciales, luego se calcula su ubicación geográfica tomando en cuenta los metadatos obtenidos al descargar las imágenes. Esta información permite conocer la ubicación y el tipo aproximado de negocios que se hallan en ciertas zonas urbanas de la ciudad del Cusco.application/pdfspaUniversidad Nacional de San Antonio Abad del CuscoPEinfo:eu-repo/semantics/restrictedAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/OpenStreetMapGoogle StreetViewDeep learningQGIShttp://purl.org/pe-repo/ocde/ford#1.02.01Identificación de establecimientos comerciales no registrados en mapas digitalesinfo:eu-repo/semantics/bachelorThesisreponame:UNSAAC-Institucionalinstname:Universidad Nacional de San Antonio Abad del Cuscoinstacron:UNSAACSUNEDUIngeniero Informático y de SistemasUniversidad Nacional de San Antonio Abad del Cusco. Facultad de Ingeniería Eléctrica, Electrónica, Informática y MecánicaIngeniería Informática y de Sistemas7513463671738111https://orcid.org/0000-0001-6266-083823853228http://purl.org/pe-repo/renati/type#tesishttp://purl.org/pe-repo/renati/nivel#tituloProfesional612296Carrasco Poblete, EdwinChavez Centeno, Javier DavidCandia Oviedo, Dennis IvanMedrano Valencia, Ivan CesarORIGINAL253T20210442.pdfapplication/pdf231855http://repositorio.unsaac.edu.pe/bitstream/20.500.12918/6415/1/253T20210442.pdfa4dd43aca169b56d56377a462d4d85d3MD5120.500.12918/6415oai:repositorio.unsaac.edu.pe:20.500.12918/64152022-03-22 16:50:22.996DSpace de la UNSAACsoporte.repositorio@unsaac.edu.pe
dc.title.es_PE.fl_str_mv Identificación de establecimientos comerciales no registrados en mapas digitales
title Identificación de establecimientos comerciales no registrados en mapas digitales
spellingShingle Identificación de establecimientos comerciales no registrados en mapas digitales
Achahui Vilca, Cesar Ernesto
OpenStreetMap
Google StreetView
Deep learning
QGIS
http://purl.org/pe-repo/ocde/ford#1.02.01
title_short Identificación de establecimientos comerciales no registrados en mapas digitales
title_full Identificación de establecimientos comerciales no registrados en mapas digitales
title_fullStr Identificación de establecimientos comerciales no registrados en mapas digitales
title_full_unstemmed Identificación de establecimientos comerciales no registrados en mapas digitales
title_sort Identificación de establecimientos comerciales no registrados en mapas digitales
author Achahui Vilca, Cesar Ernesto
author_facet Achahui Vilca, Cesar Ernesto
Huarayo Quispe, Joel Frank
author_role author
author2 Huarayo Quispe, Joel Frank
author2_role author
dc.contributor.advisor.fl_str_mv Enciso Rodas, Lauro
dc.contributor.author.fl_str_mv Achahui Vilca, Cesar Ernesto
Huarayo Quispe, Joel Frank
dc.subject.es_PE.fl_str_mv OpenStreetMap
Google StreetView
Deep learning
QGIS
topic OpenStreetMap
Google StreetView
Deep learning
QGIS
http://purl.org/pe-repo/ocde/ford#1.02.01
dc.subject.ocde.none.fl_str_mv http://purl.org/pe-repo/ocde/ford#1.02.01
description El presente trabajo de investigación busca identificar establecimientos comerciales mediante imágenes de Google Street View (GSV) debido a que facilita obtener imágenes de calles, pero existen ciertas dificultades como: ruido, oclusión de personas, carros, arboles, etc. Para abordar este problema, se propone un método que hace uso de procesamiento de datos espaciales realizadas en un entorno GIS y técnicas de Deep Learning. Primeramente, se creó un algoritmo para descargar automáticamente imágenes de GSV orientadas a las fachadas de los edificios, analizando la geometría de mapas en OSM mediante el software QGIS, con el fin de construir un dataset de imágenes de establecimientos comerciales; para luego entrenar un modelo capaz de detectar y clasificar establecimientos comerciales, luego se calcula su ubicación geográfica tomando en cuenta los metadatos obtenidos al descargar las imágenes. Esta información permite conocer la ubicación y el tipo aproximado de negocios que se hallan en ciertas zonas urbanas de la ciudad del Cusco.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2022-03-22T21:40:37Z
dc.date.available.none.fl_str_mv 2022-03-22T21:40:37Z
dc.date.issued.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.other.none.fl_str_mv 253T20210442
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12918/6415
identifier_str_mv 253T20210442
url http://hdl.handle.net/20.500.12918/6415
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.en_US.fl_str_mv info:eu-repo/semantics/restrictedAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv restrictedAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.en_US.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional de San Antonio Abad del Cusco
dc.publisher.country.none.fl_str_mv PE
dc.source.none.fl_str_mv reponame:UNSAAC-Institucional
instname:Universidad Nacional de San Antonio Abad del Cusco
instacron:UNSAAC
instname_str Universidad Nacional de San Antonio Abad del Cusco
instacron_str UNSAAC
institution UNSAAC
reponame_str UNSAAC-Institucional
collection UNSAAC-Institucional
bitstream.url.fl_str_mv http://repositorio.unsaac.edu.pe/bitstream/20.500.12918/6415/1/253T20210442.pdf
bitstream.checksum.fl_str_mv a4dd43aca169b56d56377a462d4d85d3
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv DSpace de la UNSAAC
repository.mail.fl_str_mv soporte.repositorio@unsaac.edu.pe
_version_ 1742881447482490880
score 13.887938
Identificación de establecimientos comerciales no registrados en mapas digitales
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares