Optimización de la red neuronal YOLOv7 para la clasificación y detección de ganado

La detección de objetos es una tecnología de la visión por computadora, con aplicaciones importantes en la ganadería para la gestión de recursos, el monitoreo de la salud animal y la automatización de tareas críticas. YOLO, una red neuronal convolucional ampliamente reconocida por su habilidad en la...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Aranda, Marcos, Redolfi, Javier Andrés, Araguás, Gastón
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Ciencias Informáticas
Visión por computadora
Aprendizaje automático
Redes neuronales
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/178368
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-178368
record_format dspace
spelling I19-R120-10915-1783682025-04-23T20:05:00Z http://sedici.unlp.edu.ar/handle/10915/178368 Optimización de la red neuronal YOLOv7 para la clasificación y detección de ganado Aranda, Marcos Redolfi, Javier Andrés Araguás, Gastón 2024-10 2024 2025-04-23T16:50:18Z es Ciencias Informáticas Visión por computadora Aprendizaje automático Redes neuronales La detección de objetos es una tecnología de la visión por computadora, con aplicaciones importantes en la ganadería para la gestión de recursos, el monitoreo de la salud animal y la automatización de tareas críticas. YOLO, una red neuronal convolucional ampliamente reconocida por su habilidad en la detección de objetos en tiempo real. Si bien el modelo YOLOv7 ha mejorado significativamente, esto conlleva a un aumento en los recursos computacionales, el objetivo de este trabajo el de optimizar el rendimiento en el uso de la GPU utilizada para realizar la inferencia, garantizando detecciones precisas en tiempo real, particularmente en la gestión de ganado en la provincia de Catamarca. Se exploran diversas técnicas de optimización, incluyendo mejoras en el hardware, ajuste de hiperparámetros y optimización del código fuente. A través de estas técnicas se busca equilibrar la precisión y la sensibilidad del modelo, de forma conjunta con la eficiencia computacional. Con este trabajo se busca avanzar en la aplicación de visión por computadora en la ganadería de precisión, donde el modelo YOLOv7 se indaga y se busca optimizar la detección de objetos en otros contextos donde la precisión, la sensibilidad y los recursos computacionales son fundamentales. Red de Universidades con Carreras en Informática Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 270-279
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Visión por computadora
Aprendizaje automático
Redes neuronales
spellingShingle Ciencias Informáticas
Visión por computadora
Aprendizaje automático
Redes neuronales
Aranda, Marcos
Redolfi, Javier Andrés
Araguás, Gastón
Optimización de la red neuronal YOLOv7 para la clasificación y detección de ganado
topic_facet Ciencias Informáticas
Visión por computadora
Aprendizaje automático
Redes neuronales
description La detección de objetos es una tecnología de la visión por computadora, con aplicaciones importantes en la ganadería para la gestión de recursos, el monitoreo de la salud animal y la automatización de tareas críticas. YOLO, una red neuronal convolucional ampliamente reconocida por su habilidad en la detección de objetos en tiempo real. Si bien el modelo YOLOv7 ha mejorado significativamente, esto conlleva a un aumento en los recursos computacionales, el objetivo de este trabajo el de optimizar el rendimiento en el uso de la GPU utilizada para realizar la inferencia, garantizando detecciones precisas en tiempo real, particularmente en la gestión de ganado en la provincia de Catamarca. Se exploran diversas técnicas de optimización, incluyendo mejoras en el hardware, ajuste de hiperparámetros y optimización del código fuente. A través de estas técnicas se busca equilibrar la precisión y la sensibilidad del modelo, de forma conjunta con la eficiencia computacional. Con este trabajo se busca avanzar en la aplicación de visión por computadora en la ganadería de precisión, donde el modelo YOLOv7 se indaga y se busca optimizar la detección de objetos en otros contextos donde la precisión, la sensibilidad y los recursos computacionales son fundamentales.
format Objeto de conferencia
Objeto de conferencia
author Aranda, Marcos
Redolfi, Javier Andrés
Araguás, Gastón
author_facet Aranda, Marcos
Redolfi, Javier Andrés
Araguás, Gastón
author_sort Aranda, Marcos
title Optimización de la red neuronal YOLOv7 para la clasificación y detección de ganado
title_short Optimización de la red neuronal YOLOv7 para la clasificación y detección de ganado
title_full Optimización de la red neuronal YOLOv7 para la clasificación y detección de ganado
title_fullStr Optimización de la red neuronal YOLOv7 para la clasificación y detección de ganado
title_full_unstemmed Optimización de la red neuronal YOLOv7 para la clasificación y detección de ganado
title_sort optimización de la red neuronal yolov7 para la clasificación y detección de ganado
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/178368
work_keys_str_mv AT arandamarcos optimizaciondelaredneuronalyolov7paralaclasificacionydetecciondeganado
AT redolfijavierandres optimizaciondelaredneuronalyolov7paralaclasificacionydetecciondeganado
AT araguasgaston optimizaciondelaredneuronalyolov7paralaclasificacionydetecciondeganado
_version_ 1845116800671416320

Ejemplares similares