Buscar en Google Scholar
Registro completo de metadatos
Cayllahua Cahuina, Edward Jorge Yuri
Palma Ugarte, Joaquin Rodrigo
2024-08-02T03:52:04Z
2024-08-02T03:52:04Z
2024
1081454
https://hdl.handle.net/20.500.12590/18267
La detección y clasificación de objetos en movimiento son tareas fundamentales en la vigilancia inteligente. Sin embargo, las soluciones actuales suelen emplear dos procesos aislados para detectar y clasificar objetos en movimiento. Primero, se detectan todos los objetos dentro de la escena y luego se emplea un algoritmo separado para determinar el subconjunto de objetos que están en movimiento. Además, diversas soluciones emplean redes complejas que requieren muchos recursos computacionales, a diferencia de las soluciones livianas que podrían llevar a un uso generalizado. En esta Tesis proponemos TRG-Net, un modelo unificado que se puede ejecutar en dispositivos computacionalmente limitados para detectar y clasificar únicamente objetos en movimiento. Esta propuesta se basa en la arquitectura Faster R-CNN, MobileNetV3 como extractor de características y un método basado en GMM para una búsqueda rápida y flexible de regiones de interés. TRG-Net reduce el tiempo de inferencia al unificar las tareas de detección de objetos en movimiento y clasificación de imágenes, limitando las propuestas de regiones a un número fijo configurable de posibles objetos en movimiento. Los experimentos con vídeos de vigilancia heterogéneos y el conjunto de datos de Kitti para la detección de objetos 2D muestran que nuestro enfoque mejora el tiempo de inferencia de Faster RCNN de 0.176 a 0.149 s, utilizando menos parámetros de 18.91 M a 18.30 M, mientras mantiene la precisión promedio media mAP de 0.423. Por lo tanto, TRG-Net logra compensaciones más tangibles entre precisión y velocidad, y podría aplicarse para abordar problemas del mundo real.
Tesis de pregrado
application/pdf
spa
Universidad Católica San Pablo
info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/4.0/
Detección
Clasificación
Objetos en movimiento
Modelo ligero
Mixtura Gaussiana
Un modelo ligero para la rápida detección y clasificación de objetos en movimiento orientado a sistemas inteligentes de vigilancia
info:eu-repo/semantics/bachelorThesis
Universidad Católica San Pablo. Departamento Ciencia de la Computación
Ciencia de la Computación
Título Profesional
Licenciado en Ciencia de la Computación
PE
http://purl.org/pe-repo/ocde/ford#1.02.01
Escuela Profesional Ciencia de la Computación
https://purl.org/pe-repo/renati/level#tituloProfesional
42425489
https://orcid.org/0000-0001-5422-0779
70236306
611016
Gutierrez Caceres, Juan Carlos
Yari Ramos, Yessenia Deysi
https://purl.org/pe-repo/renati/type#tesis
Privada asociativa
info:eu-repo/semantics/publishedVersion



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons