Look-up in Google Scholar
Title: Detección de armas de fuego utilizando redes convolucionales profundas
Advisor(s): Gutierrez Caceres, Juan Carlos
OCDE field: https://purl.org/pe-repo/ocde/ford#2.11.02
Issue Date: 2019
Institution: Universidad Nacional de San Agustín de Arequipa
Abstract: Debido a la creciente inseguridad ciudadana que reporta el INEI en nuestro país, es que la mayoría de municipalidades ha optado por adquirir cámaras las cuales están conectadas a una central de monitoreo. Esto provoca que, el número de cámaras esté relacionado proporcionalmente con el número de personas que monitorea las mismas, es en este problema donde se puede proponer una solución. Uno de los modelos más usados son las Redes Neuronales Convolucionales, estas reciben una gran cantidad de imágenes sin pre procesar. Cada imagen tiene una anotación de donde se encuentra el objeto a reconocer, después de entrenar la red neuronal se valida si un objeto reconocido dentro de la imagen pertenece o no a la clase que se quiere aprender a reconocer. Para la presente investigación, se revisó varios artículos en el estado de arte y se observó que dos de ellos obtuvieron resultados iniciales en la detección de armas utilizando la red Faster R-CNN. Pero el tiempo de detección de armas después de entrenar fue de 7 frames per second(fps), existen nuevos modelos de redes convolucionales como You Only look Once (YOLO) que procesan imágenes alrededor de 45 fps por lo que se cree que se obtendría mejores resultados y se aproximaría a detección en tiempo real. Los resultados finales demostraron que si es posible detectar armas utilizando YOLO con una tasa de acierto del 97.30%. Cuando se realiza la prueba de un vídeo en vivo donde una persona saca un arma de su ropa, la red YOLO logra detectar el arma cuando se visualiza parcialmente el arma en el vídeo.
Discipline: Ciencia de la Computación
Grade or title grantor: Universidad Nacional de San Agustín de Arequipa.Facultad de Ingeniería de Producción y Servicios
Grade or title: Licenciado en Ciencia de la Computación
Register date: 30-Jan-2020



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.