Mostrar el registro sencillo del ítem

dc.contributor.authorFernández-Alonso, Juan Carlos
dc.date2021-09-22
dc.date.accessioned2022-01-05T10:15:43Z
dc.date.available2022-01-05T10:15:43Z
dc.identifier.urihttps://reunir.unir.net/handle/123456789/12265
dc.descriptionThis project is focused on the field of Smart Mobility, and more specifically, on early object detection on the road. First, the state of the art to which this work belongs will be briefly described, and the most relevant models and techniques over the last years will be reviewed. Subsequently, a comparative study will be carried out, by evaluating five of the most widely used Deep Learning models in this area. As a result, a particular model will be selected as the best performing candidate, regarding certain figures of merit such as effectiveness and inference time. Right afterwards, we will rely on this model in order to build a new model, by means of Transfer Learning techniques, for a specific use-case: early cyclist detection on the road. As a project closure, and in order to verify and validate the developed model, a Minimum Viable Product consisting of the early cyclist detection and alerts delivery is built. Finally, a demonstration of its functionality is performed and future lines of work are proposed for its enhancement and productivization.es_ES
dc.description.abstractEste proyecto se enfocará en el ámbito de la Movilidad Inteligente y, más concretamente, en la detección temprana de objetos en la vía. En primer lugar, se realizará una breve descripción del estado del arte de dicha línea de trabajo, en el que se revisarán los modelos y técnicas de Inteligencia Artificial más ampliamente utilizados en los últimos años. Posteriormente, se abordará un estudio comparativo en el que se elegirán cinco de los modelos de Aprendizaje Profundo de uso más extendido en esta área. La comparativa dará como ganador un modelo en concreto, bajo determinadas figuras de mérito tanto en términos de efectividad del modelo como de tiempo de inferencia. A continuación, se utilizará dicho modelo ganador como base para la construcción de uno nuevo utilizando técnicas de Transferencia de Aprendizaje para un caso de uso concreto: detección temprana de ciclistas en la vía. A modo de conclusión del proyecto y con el fin de verificar y validar el modelo desarrollado, se construye un Mínimo Producto Viable consistente en la detección temprana de ciclistas y envío de alertas. Finalmente se realiza una demostración de su funcionalidad y se proponen líneas de trabajo futuras para su evolución y productivización.es_ES
dc.language.isospaes_ES
dc.rightsopenAccesses_ES
dc.subjectmovilidad inteligentees_ES
dc.subjectaprendizaje profundoes_ES
dc.subjectredes neuronales convolucionaleses_ES
dc.subjectdetección de objetoses_ES
dc.subjectciclistaes_ES
dc.subjectsmart mobilityes_ES
dc.subjectdeep learninges_ES
dc.subjectconvolutional neural networkses_ES
dc.subjectobject detectiones_ES
dc.subjectcyclistes_ES
dc.subjectMáster Universitario en Inteligencia Artificiales_ES
dc.titleComparativa y entrenamiento de modelos de Smart Mobility: detección y alerta temprana de ciclistases_ES
dc.typemasterThesises_ES
reunir.tag~MIAes_ES


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem