1. Repositorio CYT
  2. Ingeniería
  3. Comunicaciones científicas
Por favor, use este identificador para citar o enlazar este ítem: http://repositoriocyt.unlam.edu.ar/handle/123456789/2659
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licenseLicencia Creative Commons Atribución-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5 AR)spa
dc.creatorBosco, Gabriel Ignaciospa
dc.creatorBroqua, Fernando Luisspa
dc.creatorD’Amico, Rodrigo Javierspa
dc.creatorGarcía, Guillermo Hernánspa
dc.creatorLancha, Luis Damiánspa
dc.creatorLorenz Vieta, Germánspa
dc.date2020spa
dc.date.accessioned2025-10-08T22:32:25Z-
dc.date.available2025-10-08T22:32:25Z-
dc.identifierhttps://ror.org/01bmj8t37spa
dc.identifier.citationBosco, G. I., Broqua, F. L., D’Amico, R. J., García, H. G., Lancha, L. D. y Lorenz Vieta, G. (2020). Estudio sobre el entrenamiento de una Red Neuronal Convolucional para el reconocimiento de ubicaciones libres y ocupadas. En D. E. Martínez (Dir.), 2019 CONAIISI:VII Congreso Nacional de Ingeniería Informática : Sistemas de Información (pp. 897-905). Universidad Nacional de La Matanza. http://repositoriocyt.unlam.edu.ar/handle/123456789/2659spa
dc.identifier.urihttp://repositoriocyt.unlam.edu.ar/handle/123456789/2659spa
dc.descriptionEn el presente documento se explicará el proceso de elección del mejor aprendizaje de una red neuronal convolucional (RNC) para la detección de personas en ubicaciones fijas, diferenciando en cada modelo escogido el formato de un mismo conjunto de datos de entrada (imágenes RGB, HSV y escala de grises) y la aplicación de configuraciones de entrenamiento diferentes. Posteriormente, en la etapa de comparación se verán los resultados de las métricas proporcionadas por la plataforma Google Cloud donde se realizaron los entrenamientos, como la precisión y la pérdida de la red. Finalmente, con las redes neuronales ya entrenadas se realizaron pruebas de velocidad de respuesta y detección respecto a regiones de interés preestablecidas. A partir de esto se pudo constatar en cada caso la cantidad de detecciones y el porcentaje de certeza promedio. De esta manera se pudo determinar la RNC más conveniente para el caso de estudio.spa
dc.descriptionFil: Bosco, Gabriel Ignacio. Universidad Nacional de La Matanza; Argentina.spa
dc.descriptionFil: Broqua, Fernando Luis. Universidad Nacional de La Matanza; Argentina.spa
dc.descriptionFil: D’Amico, Rodrigo Javier. Universidad Nacional de La Matanza; Argentina.spa
dc.descriptionFil: García, Guillermo Hernán. Universidad Nacional de La Matanza; Argentina.spa
dc.descriptionFil: Lancha, Luis Damián. Universidad Nacional de La Matanza; Argentina.spa
dc.descriptionFil: Lorenz Vieta, Germán. Universidad Nacional de La Matanza; Argentina.spa
dc.formatapplication/pdfspa
dc.format.extent9 p.spa
dc.languagespaspa
dc.publisherUniversidad Nacional de La Matanzaspa
dc.relationUniversidad Nacional de La Matanzaspa
dc.relation.ispartofhttp://repositoriocyt.unlam.edu.ar/handle/123456789/2622spa
dc.rightsinfo:eu-repo/semantics/openAccessspa
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/2.5/ar/spa
dc.subjectSISTEMAS DE INFORMACION GEOGRAFICAspa
dc.subjectSOPORTE LOGICOspa
dc.subjectDISEÑO DE SISTEMASspa
dc.subjectMETODOS DE SIMULACIONspa
dc.titleEstudio sobre el entrenamiento de una Red Neuronal Convolucional para el reconocimiento de ubicaciones libres y ocupadasspa
dc.typeinfo:eu-repo/semantics/bookPartspa
dc.typeinfo:ar-repo/semantics/parte de librospa
dc.typeinfo:eu-repo/semantics/acceptedVersionspa
Aparece en las colecciones: Comunicaciones científicas

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Bosco-Estudio sobre el entrenamiento de una Red Neuronal Convolucional para el reconocimiento de ubicaciones libres y ocupadas.pdf487.86 kBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.