Mostrar el registro sencillo del ítem
Comparativa y entrenamiento de modelos de Smart Mobility: detección y alerta temprana de ciclistas
dc.contributor.author | Fernández-Alonso, Juan Carlos | |
dc.date | 2021-09-22 | |
dc.date.accessioned | 2022-01-05T10:15:43Z | |
dc.date.available | 2022-01-05T10:15:43Z | |
dc.identifier.uri | https://reunir.unir.net/handle/123456789/12265 | |
dc.description | This 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.abstract | Este 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.iso | spa | es_ES |
dc.rights | openAccess | es_ES |
dc.subject | movilidad inteligente | es_ES |
dc.subject | aprendizaje profundo | es_ES |
dc.subject | redes neuronales convolucionales | es_ES |
dc.subject | detección de objetos | es_ES |
dc.subject | ciclista | es_ES |
dc.subject | smart mobility | es_ES |
dc.subject | deep learning | es_ES |
dc.subject | convolutional neural networks | es_ES |
dc.subject | object detection | es_ES |
dc.subject | cyclist | es_ES |
dc.subject | Máster Universitario en Inteligencia Artificial | es_ES |
dc.title | Comparativa y entrenamiento de modelos de Smart Mobility: detección y alerta temprana de ciclistas | es_ES |
dc.type | masterThesis | es_ES |
reunir.tag | ~MIA | es_ES |