Implementación de la red neuronal YOLOv3 para la detección de matrículas de vehículos

Ortega Lobo, Ignacio (2020). Implementación de la red neuronal YOLOv3 para la detección de matrículas de vehículos. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Telecomunicación (UPM).

Description

Title: Implementación de la red neuronal YOLOv3 para la detección de matrículas de vehículos
Author/s:
  • Ortega Lobo, Ignacio
Contributor/s:
  • Menéndez García, José Manuel
Item Type: Final Project
Degree: Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación
Date: 2020
Subjects:
Freetext Keywords: Aprendizaje máquina, red neuronal, detección de objetos, detección de matrículas, detección de vehículos, lectura de matrículas, YOLOv3
Faculty: E.T.S.I. Telecomunicación (UPM)
Department: Señales, Sistemas y Radiocomunicaciones
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB) | Preview

Abstract

En la actualidad son muchos los avances que se han hecho en el campo de la detección y reconocimiento de objetos, gracias en gran medida a la disponibilidad para el público general de tarjetas gráficas que permiten una alta velocidad de cálculo, lo que ha favorecido la aplicación y el desarrollo de herramientas de machine learning en el ámbito tanto domestico como académico. Parte de este progreso proviene del diseño de redes neuronales capaces de ser entrenadas para que adquirir la habilidad de “aprender” cuáles son las características de un determinado objeto y así poder detectarlo dentro de una imagen y además reconocerlo. En este Trabajo Fin de Grado se propone un sistema para el reconocimiento y detección de vehículos y matrículas, así como la lectura del texto de la matrícula, mediante el entrenamiento de la red neuronal YOLOv3. Se cuenta con siete bases de datos de imágenes que suman un total de 6540 imágenes para el entrenamiento de la red y se proponen dos métodos de entrenamiento: el primero entrenar cada una de las redes por separado y el segundo entrenar las 6540 imágenes a la vez para posteriormente aplicar ambos métodos a imágenes y vídeos para los que la red no ha sido entrenada y comparar cuál de los dos métodos obtiene mejores resultados.

More information

Item ID: 63082
DC Identifier: http://oa.upm.es/63082/
OAI Identifier: oai:oa.upm.es:63082
Deposited by: Biblioteca ETSI Telecomunicación
Deposited on: 17 Jul 2020 14:42
Last Modified: 17 Jul 2020 14:42
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM