Título:
Conteo de multitudes a través de redes neuronales y aprendizaje profundo.
Otros títulos:
Coordinador:
Director:
Compilador:
Autor:
Gambone, Renzo
Tutor:
Etcheverry, Mathías
Musé, Pablo
Musé, Pablo
Tipo de documento:
Tesis de grado
Editor:
Palabras clave:
Visión artificial
Conteo de multitudes
Aprendizaje profundo
Conteo de multitudes
Aprendizaje profundo
Descriptores:
Año de publicación:
2023
Contenido:
Resumen:
Este trabajo es un acercamiento al área del conteo de multitudes, es decir, dada una imagen predecir
correctamente cuántas personas hay en la misma, y opcionalmente brindar una noción de su posición en
la imagen (en forma de un mapa de calor por ejemplo). Para resolver dicho problema se emplean técnicas
de aprendizaje automático, más concretamente aprendizaje profundo orientado a la visión artificial.
En este trabajo se estudió y plasmó en este informe cómo estas técnicas aplicadas al conteo de
multitudes evolucionaron en la última década, posteriormente enfocándose en detallar las direcciones,
técnicas y dificultades presentes en el estado del arte contemporáneo, así como también enumerando
posibles direcciones en las que el mismo podría dirigirse en el futuro cercano (basadas en trabajos y
arquitecturas emergentes y de gran promesa). Como parte de la experimentación se etiquetó un conjunto de datos a través de un módulo de taller, se evaluó la similitud entre las anotaciones realizadas, discutiendo sobre la dificultad de la tarea y el posible ruido en anotaciones de conjuntos ya existentes. También se evaluó el desempeño de varios modelos pre-entrenados en múltiples conjuntos de evaluación, discutiendo sobre particularidades, relaciones y anomalías encontradas en los resultados de sus métricas generales y algunos resultados destacados.
Descripción:
Editorial:
Udelar. FI.
EN:
Financiadores:
Citación:
Gambone, R. Conteo de multitudes a través de redes neuronales y aprendizaje profundo [en línea]. Tesis de grado. Montevideo : Udelar. FI. INCO, 2023.
Citación:
metadata.cc.license.name:
Documento del Gobiberno:
URI:
https://hdl.handle.net/20.500.12008/39243
ISBN:
e-ISBN:
ISSN:
ISMN:
Otros identificadores:
Título Obtenido:
Ingeniero en Computación.
Facultad o Servicio que otorga el Título:
Universidad de la República (Uruguay). Facultad de Ingeniería.
Licencia:
Licencia Creative Commons Atribución (CC - By 4.0)
Cobertura geográfica:
Cobertura temporal:
metadata.dc.relation.IsVersionOf:
Clasificación:
Es versión de:
Colecciones:
| Ficheros | Descripción | Tamaño | Formato | ||
|---|---|---|---|---|---|
| Ga23.pdf | Tesis de grado | 13.14 MB | Adobe PDF |