Buscar en Google Scholar
Título: Detección de armas de fuego utilizando redes convolucionales profundas
Asesor(es): Gutierrez Caceres, Juan Carlos
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.11.02
Fecha de publicación: 2019
Institución: Universidad Nacional de San Agustín de Arequipa
Resumen: 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.
Disciplina académico-profesional: Ciencia de la Computación
Institución que otorga el grado o título: Universidad Nacional de San Agustín de Arequipa.Facultad de Ingeniería de Producción y Servicios
Grado o título: Licenciado en Ciencia de la Computación
Fecha de registro: 30-ene-2020



IMPORTANTE
La información contenida en este registro es de entera responsabilidad de la universidad, institución o escuela de educación superior que administra el repositorio académico digital donde se encuentra el trabajo de investigación y/o proyecto, los cuales son conducentes a optar títulos profesionales y grados académicos. SUNEDU no se hace responsable por los contenidos accesibles a través del Registro Nacional de Trabajos de Investigación – RENATI.