Resumen

ALARCON VARGAS, Adrián Javier. Detección de la señalización de tránsito vertical con redes neuronales convolucionales basadas en bloques residuales. Fides Et Ratio [online]. 2022, vol.24, n.24, pp.165-194. ISSN 2071-081X.

Resumen El objetivo del presente trabajo es entrenar una red neuronal capaz de detectar la señalización de tránsito vertical y clasificarla usando bloques residuales. La metodología utilizada para el desarrollo de la red neuronal comprende cuatro fases: definición de la red neuronal, entrenamiento, utilización y mantenimiento de la red neuronal. Para el desarrollo de la red neuronal se cuenta con dos dataseis, el primero es de origen alemán, consta de 50.000 imágenes y es muy usado para la clasificación de señales de tránsito; y el segundo de origen boliviano, que tiene 9.548 imágenes de carretera. El porcentaje de eficacia de la red neuronal nro. 1 con el dataset GTSRB es alto, obteniendo un valor de 94.36%, además incluye valores altos en el reporte de clasificación, caso contrario sucede con el dataset de Bolivia debido a que el dataset está desbalanceado

Palabras clave : GTSRB; Segmentación; Procesamiento de Imágenes; Accidentes de Tránsito; Clasificación; ResNet; ResUnet.

        · resumen en Inglés     · texto en Español     · Español ( pdf )