Un sistema de detección de objetos en tiempo real tiene gran aplicabilidad en el campo de visión artificial. La detección a través de una videocámara implica que el sistema debe mantenerse informado sobre la posición del objeto durante su permanencia en cada fotograma del video, a su vez se hace necesario el control de factores externos (variación de iluminación, oclusión, sombras, etc) que pueden impedir la correcta detección del objeto. Ante este problema nos enfocamos en técnicas de aprendizaje de máquina eficientes en la detección de objetos y robustas ante los factores externos. El presente proyecto de investigación propone la detección de vehículos basado en un algoritmo de aprendizaje profundo, que sea capaz de reducir las consecuencias emitidas por los factores externos, también un conjunto de técnicas de procesamiento de imágenes son aplicadas para la experime...

La detección de objetos en el campo de Visión Artificial es todavía un reto con la finalidad de alcanzar la mejor precisión en el menor tiempo, enfrentándose a diversos factores del entorno real, tales como iluminación variable, oclusión parcial y otros objetos presentes. Aún continuán surgiendo técnicas de procesamiento y clasificación de imágenes para conformar modelos robustos de detección de objetos o acciones, una de las fortalezas de estos modelos está en la forma de operar con las características para obtener las que mejor representen el objeto y así obtener resultados satisfactorios de detección. Entre las técnicas de Aprendizaje de Máquina se encuentra la red neuronal artificial, que es un conjunto de cálculos matemáticos sobre las características del objeto a detectar. El número de neuronas y capas de una red neuronal artificial influye en los resultados ...