Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/6922
Title: DESARROLLO DE UNA METODOLOGÍA PARA EL RECONOCIMIENTO DE OBJETOS BAJO CONDICIONES DE OCLUSIÓN Y AMBIENTES NO CONTROLADOS
Authors: Hernandez Gonzalez, Lucia Janeth
Issue Date: 2023-03-01
Publisher: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Instituto Tecnológico de Ciudad Madero
Description: En este trabajo se propone una metodología llamada PSEV-BF para el reconocimiento de objetos bajo condiciones de oclusión y ambientes no controlados. La metodología PSEV-BF incluye dos nuevas fases en comparación con las metodologías tradicionales de visión por computadora: presegmentación y mejora de variables. La resegmentación se realiza utilizando la tercera versión de YOLO (You Only Look Once), una arquitectura de red neuronal convolucional (CNN) diseñada para la detección de objetos. La mejora de variables, se propone el algoritmo de recocido simulado (SA) como selector de las variables relevantes. Asi mismo, se incorpora la técnica de superpixel en la etapa de extracción de características con una ventana de 15⇥15 píxeles. Para probar la metodología PSEV-BF, se utilizó el repositorio Commons Object in Context (COCO) con imágenes que muestran a los objetos (pajaros) en entornos no controlados. Por último, se utiliza la métrica APIoU (Average Precision Intersection over Union) como referencia de evaluación para comparar nuestra metodología con configuraciones estándar. Los resultados muestran que la metodología PSEV-BF tiene mejor rendimiento en todas las pruebas.
metadata.dc.type: info:eu-repo/semantics/doctoralThesis
Appears in Collections:Doctorado en Ciencias de la Ingeniería

Files in This Item:
File Description SizeFormat 
D09070934_donacion_tesis_bib.pdfTesis5.44 MBAdobe PDFView/Open
D09070934_donacion_licencia_bib.pdf
  Until 2050-01-01
Licencia80.03 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons