Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionales

Descripción del Articulo

En los últimos diez años (2004 – 2015) se han reportado 1,041,704 accidentes de tránsito, siendo el exceso de velocidad uno de los principales factores. Estas cifras y la probabilidad que suceda una tragedia al volante pueden reducirse significativamente si se mejora el monitoreo de vehículos. La ci...

Descripción completa

Detalles Bibliográficos
Autor: Ayuque Arenas, Kevin José Marino
Formato: tesis de grado
Fecha de Publicación:2016
Institución:Universidad San Ignacio de Loyola
Repositorio:USIL-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.usil.edu.pe:20.500.14005/2480
Enlace del recurso:https://hdl.handle.net/20.500.14005/2480
Nivel de acceso:acceso abierto
Materia:Transporte urbano
Planificación urbana
Señales de tránsito
Redes neurales (Computación)
https://purl.org/pe-repo/ocde/ford#1.02.01
id USIL_91703091f0cf520a03e29dc178005010
oai_identifier_str oai:repositorio.usil.edu.pe:20.500.14005/2480
network_acronym_str USIL
network_name_str USIL-Institucional
repository_id_str 3128
spelling deaf589f-77a9-40c5-93e5-a720466f3949-1Jiménez Motte, Fernando2c2bbc77-4017-4e36-9690-170fa7f2a377-1Ayuque Arenas, Kevin José Marino2016En los últimos diez años (2004 – 2015) se han reportado 1,041,704 accidentes de tránsito, siendo el exceso de velocidad uno de los principales factores. Estas cifras y la probabilidad que suceda una tragedia al volante pueden reducirse significativamente si se mejora el monitoreo de vehículos. La ciudad del futuro debe ser más inteligente: con la capacidad de poder encontrar personas desaparecidas, reconocer zonas donde se vive con más pobreza para mejorar la distribución de bienes, y reconocer actos criminales como violación de señales de tránsito. La clasificación de señales de tránsito es la base o fundación para poder implementar cámaras de video vigilancia más inteligentes. Se presenta una solución para el problema usando una técnica denominada “Deep Learning”, perteneciente al área de inteligencia artificial y que en recientes años ha sido usado para resolver otros problemas como el de reconocimiento óptico de caracteres, clasificación de imágenes, reconocimiento facial, reconocimiento de voz, diagnóstico de enfermedades, entre otros. Se realizan varios diseños en base a señales de tránsito de Alemania, puesto a que no hay una base de datos de señales de tránsito peruana. El diseño con el mejor resultado logra un porcentaje de aciertos de 95.29%, similar al estado de arte (99.46%). Con fines de demostración, se implementa el diseño ganador en una aplicación para iPhone que clasifica señales de tránsito usando la cámara del teléfono.Tesisapplication/pdfhttps://hdl.handle.net/20.500.14005/2480spaUniversidad San Ignacio de LoyolaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad San Ignacio de LoyolaRepositorio Institucional - USILreponame:USIL-Institucionalinstname:Universidad San Ignacio de Loyolainstacron:USILTransporte urbanoPlanificación urbanaSeñales de tránsitoRedes neurales (Computación)https://purl.org/pe-repo/ocde/ford#1.02.01Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionalesinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionSUNEDUPublication612296https://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisIngenieríaUniversidad San Ignacio de Loyola. Facultad de Ingeniería. Carrera de Ingeniería Informática y de SistemasTítulo ProfesionalIngeniero Informático y de SistemasORIGINAL2016_Ayuque_Diseño_de_un_sistema_de_clasificacion.pdf2016_Ayuque_Diseño_de_un_sistema_de_clasificacion.pdfapplication/pdf17998751https://repositorio.usil.edu.pe/bitstreams/796706c3-184d-4dee-9f7a-00b884910914/downloade4ffaabbd2c85d5c87694ae8ea286da5MD51TEXT2016_Ayuque_Diseño_de_un_sistema_de_clasificacion.pdf.txt2016_Ayuque_Diseño_de_un_sistema_de_clasificacion.pdf.txtExtracted texttext/plain85811https://repositorio.usil.edu.pe/bitstreams/c3df8f55-aa95-4258-953c-0f9bdf47db00/downloadc0cec945a57151d715f4272b47939bc0MD52THUMBNAIL2016_Ayuque_Diseño_de_un_sistema_de_clasificacion.pdf.jpg2016_Ayuque_Diseño_de_un_sistema_de_clasificacion.pdf.jpgGenerated Thumbnailimage/jpeg9553https://repositorio.usil.edu.pe/bitstreams/065d6760-a1d3-4a82-97ae-3edd07a6bf5d/download47f51281e57462a14505ca00b11bd6e7MD5320.500.14005/2480oai:repositorio.usil.edu.pe:20.500.14005/24802023-04-17 14:57:37.204http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttps://repositorio.usil.edu.peRepositorio institucional de la Universidad San Ignacio de Loyolarepositorio.institucional@usil.edu.pe
dc.title.es_ES.fl_str_mv Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionales
title Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionales
spellingShingle Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionales
Ayuque Arenas, Kevin José Marino
Transporte urbano
Planificación urbana
Señales de tránsito
Redes neurales (Computación)
https://purl.org/pe-repo/ocde/ford#1.02.01
title_short Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionales
title_full Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionales
title_fullStr Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionales
title_full_unstemmed Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionales
title_sort Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionales
author Ayuque Arenas, Kevin José Marino
author_facet Ayuque Arenas, Kevin José Marino
author_role author
dc.contributor.advisor.fl_str_mv Jiménez Motte, Fernando
dc.contributor.author.fl_str_mv Ayuque Arenas, Kevin José Marino
dc.subject.es_ES.fl_str_mv Transporte urbano
Planificación urbana
Señales de tránsito
Redes neurales (Computación)
topic Transporte urbano
Planificación urbana
Señales de tránsito
Redes neurales (Computación)
https://purl.org/pe-repo/ocde/ford#1.02.01
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.02.01
description En los últimos diez años (2004 – 2015) se han reportado 1,041,704 accidentes de tránsito, siendo el exceso de velocidad uno de los principales factores. Estas cifras y la probabilidad que suceda una tragedia al volante pueden reducirse significativamente si se mejora el monitoreo de vehículos. La ciudad del futuro debe ser más inteligente: con la capacidad de poder encontrar personas desaparecidas, reconocer zonas donde se vive con más pobreza para mejorar la distribución de bienes, y reconocer actos criminales como violación de señales de tránsito. La clasificación de señales de tránsito es la base o fundación para poder implementar cámaras de video vigilancia más inteligentes. Se presenta una solución para el problema usando una técnica denominada “Deep Learning”, perteneciente al área de inteligencia artificial y que en recientes años ha sido usado para resolver otros problemas como el de reconocimiento óptico de caracteres, clasificación de imágenes, reconocimiento facial, reconocimiento de voz, diagnóstico de enfermedades, entre otros. Se realizan varios diseños en base a señales de tránsito de Alemania, puesto a que no hay una base de datos de señales de tránsito peruana. El diseño con el mejor resultado logra un porcentaje de aciertos de 95.29%, similar al estado de arte (99.46%). Con fines de demostración, se implementa el diseño ganador en una aplicación para iPhone que clasifica señales de tránsito usando la cámara del teléfono.
publishDate 2016
dc.date.issued.fl_str_mv 2016
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.14005/2480
url https://hdl.handle.net/20.500.14005/2480
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.es_ES.fl_str_mv Universidad San Ignacio de Loyola
dc.publisher.country.es_ES.fl_str_mv PE
dc.source.es_ES.fl_str_mv Universidad San Ignacio de Loyola
Repositorio Institucional - USIL
dc.source.none.fl_str_mv reponame:USIL-Institucional
instname:Universidad San Ignacio de Loyola
instacron:USIL
instname_str Universidad San Ignacio de Loyola
instacron_str USIL
institution USIL
reponame_str USIL-Institucional
collection USIL-Institucional
bitstream.url.fl_str_mv https://repositorio.usil.edu.pe/bitstreams/796706c3-184d-4dee-9f7a-00b884910914/download
https://repositorio.usil.edu.pe/bitstreams/c3df8f55-aa95-4258-953c-0f9bdf47db00/download
https://repositorio.usil.edu.pe/bitstreams/065d6760-a1d3-4a82-97ae-3edd07a6bf5d/download
bitstream.checksum.fl_str_mv e4ffaabbd2c85d5c87694ae8ea286da5
c0cec945a57151d715f4272b47939bc0
47f51281e57462a14505ca00b11bd6e7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional de la Universidad San Ignacio de Loyola
repository.mail.fl_str_mv repositorio.institucional@usil.edu.pe
_version_ 1852684318671896576
score 13.121117
Diseño de un sistema de clasificación de señales de tránsito vehicular utilizando redes neuronales convolucionales
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