|
|
|
|
| LEADER |
02438nam a22004817a 4500 |
| 007 |
cr |
| 008 |
220810e20220616ag |||||om||| 00| 0 spa d |
| 040 |
|
|
|c AR-FvUNAJ
|d AR-FvUNAJ
|e aacr2
|
| 041 |
|
|
|a spa
|
| 100 |
1 |
|
|9 14797
|a Barreto, Agustina Ayelén
|
| 245 |
1 |
0 |
|a Deep learning aplicado al procesamiento de imágenes para la detecciones de objetos /
|c Agustina Ayelén Barreto
|
| 260 |
|
|
|a Florencio Varela :
|b Universidad Nacional Arturo Jauretche,
|c 2022
|
| 300 |
|
|
|a p.
|
| 502 |
|
|
|b Informe de Práctica Profesional para obtener el titulo de Ingeniero/a.
|c Universidad Nacional Arturo Jauretche.
|
| 506 |
1 |
|
|a Acceso abierto
|f info:eu-repo/semantics/openAccess
|
| 520 |
2 |
|
|a El presente trabajo tiene por objetivo general enfocarse en el desarrollo de una aplicación de software encargada de realizar una búsqueda de objetos en imágenes a partir de una clasificación de las mismas en tiempo real, mediante la cual se buscará detectar la presencia de determinados objetos en una imagen. El desarrollo se enfocará específicamente en el uso de redes neuronales convolucionales, las cuales han demostrado ser las más eficientes en el área del procesamiento de imágenes. Específicamente, se espera que el software permita realizar la tarea de detección de objetos dañados yen buen estado en imágenes o video
|
| 540 |
|
|
|a Esta obra está bajo una Licencia Creative Commons Argentina. Atribución - No Comercial - Compartir Igual 4.0
|u https://creativecommons.org/licenses/by-nc-sa/4.0/
|
| 630 |
|
0 |
|9 11376
|a Ingeniería en Informática
|
| 650 |
2 |
7 |
|2 unescot
|9 5102
|a INTELIGENCIA ARTIFICIAL
|
| 650 |
2 |
4 |
|9 14798
|a REDES NEURONALES
|
| 650 |
2 |
4 |
|9 14799
|a SISTEMA EMBEBIDO
|
| 650 |
2 |
4 |
|9 886
|a PYTHON (Lenguaje de Programación)
|
| 650 |
2 |
0 |
|9 14805
|a LEARNING RATE
|
| 653 |
|
|
|a epochs
|
| 653 |
|
|
|a dataset
|
| 653 |
|
|
|a convolución
|
| 653 |
|
|
|a pooling
|
| 653 |
|
|
|a Feature Pyramid Network
|
| 653 |
|
|
|a región proposal network
|
| 653 |
|
|
|a anclaje
|
| 653 |
|
|
|a Transfer Learning
|
| 653 |
|
|
|a dropout
|
| 653 |
|
|
|a IoU
|
| 653 |
|
|
|a mAP
|
| 653 |
|
|
|a Raspberry Pi
|
| 653 |
|
|
|a Pytorch
|
| 653 |
|
|
|a Faster R-CNN
|
| 653 |
|
|
|a ResNet50
|
| 653 |
|
|
|a MobileNet
|
| 856 |
4 |
1 |
|q application/pdf
|u https://biblioarchivo.unaj.edu.ar/mostrar/pdf/scvsdf/erwe/fc8a4f46c475c1313b5355ff638ccbf653637aed
|
| 942 |
|
|
|2 ddc
|c INFORME
|
| 980 |
|
|
|6 20072
|a Matías Regueira
|8 20072
|g Matías Regueira
|
| 999 |
|
|
|c 7738
|d 7738
|