Camele, Genaro

Detección de peatones en video usando algoritmos de aprendizaje automático - 2019 - v; 73 p. : il. col. + 1 DVD

Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2019.

1. Introducción -- 1.1. Resumen -- 1.2. Motivación -- 1.3. Objetivos -- 1.4. Organización del documento -- 2. Visión por computadora -- 2.1. Conceptos básicos -- 2.1.1. Sistemas de representación -- 2.1.2. Escala de grises -- 2.1.3. RGB -- 2.2. Descriptores -- 2.2.1. Histograma de gradientes orientados -- 2.2.2. Patrón binario local -- 2.3. Modelos de clasificación -- 2.3.1. Máquinas de vectores de soporte (SVM) -- 2.3.2. Redes neuronales -- 2.4. Clasificación de peatones -- 2.5. Detección de peatones -- 2.5.1. Ventanas deslizantes -- 2.5.2. Imagen en pirámide -- 2.5.3. Intersección sobre la unión (Intersection Over Unión) -- 2.5.4. Supresión no máxima -- 2.5.5. Seguimiento (Tracking) -- 2.5.6. Hard Negative Mining -- 2.6. Métricas -- 3. Deep Learning -- 3.1. Redes neuronales biológicas -- 3.2. Redes neuronales artificiales -- 3.3. Perceptrón -- 3.4. Neuronas Sigmoideas -- 3.5. Redes Feedforward -- 3.6. Backpropagation -- 3.6.1. Función de error -- 3.6.2. Gradiente descendente -- 3.6.3. Algoritmo de backpropagation -- 3.6.4. Sobreajuste -- 3.7. Redes neuronales convolucionales -- 3.7.1. Capa Max Pooling en 2D -- 3.7.2. Capa Dropout -- 3.8. Funciones de activacion -- 4. Transferencia de aprendizaje -- 4.1. Datasets -- 4.1.1. INRIA -- 4.1.2. Daimler -- 4.1.3. TUD-Brussels -- 4.1.4. Daimler Mono Pedestrian Detection Benchmark Dataset -- 4.1.5. Generación de ejemplos extra -- 5. Experimentación -- 5.1. Comparación de algoritmos de machine learning -- 5.1.1. Preprocesamiento y parámetros del SVM -- 5.1.2. Resultados con SVM -- 5.1.3. Resultados con Deep Learning -- 5.2. Experimentos de transferencia -- 5.2.1. Resultados de transferencia -- 5.2.2. Conclusión de transferencia -- 6. Conclusión y trabajo a futuro -- 6.1. Conclusiones generales -- 6.2. Líneas de trabajo futuras

DIF-M7787


REDES NEURONALES
APRENDIZAJE AUTOMÁTICO

máquinas de vectores de soporte