Redes neuronales convolucionales para la identificación de placas vehiculares
Resumen
El uso de redes neuronales convolucionales para la identificación de placas vehiculares ha demostrado ser una solución frente a los crecientes niveles de inseguridad ciudadana. Los modelos YOLOv5, YOLOv8 y Detectron2 fueron evaluados para determinar su eficacia en la detección y reconocimiento de placas. Los resultados indicaron que YOLOv8 sobresale por su precisión y rapidez, seguido de cerca por YOLOv5, mientras que Detectron2, aunque más lento, mostró alta precisión y fiabilidad. Para el desarrollo de esta investigación, se utilizó la herramienta Colab para gestionar las redes neuronales y un dataset de 700 imágenes de vehículos, que fueron etiquetadas usando Roboflow. Los resultados mostraron una disminución significativa en las pérdidas de entrenamiento y validación, indicando una mejora continua en la capacidad de los modelos para identificar y localizar objetos con precisión. La implementación de estas tecnologías permitió una identificación eficiente de las placas vehiculares, facilitando la labor de las autoridades en la gestión de incidentes delictivos y accidentes. Los modelos propuestos ofrecen una base sólida para futuras mejoras. Se concluye que los modelos de redes neuronales convolucionales como YOLOv5, YOLOv8 y Detectron2 representan una herramienta eficaz para la identificación de placas vehiculares en entornos locales.
Descripción
Citación
Aprobación
Revisión
Complementado por
Referenciado por
Grado o título
Ingeniero de Sistemas
Programa
Ingeniería de Sistemas
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Peruana Unión
DOI
Colecciones
Licencia Creative Commons
Archivos
Cargando...
Nombre
José_Tesis_Licenciatura_2024.pdf
Tamaño
1,87 MB
Formato
Adobe PDF
Cargando...
Nombre
Acuerdo_de_Entendimiento.pdf
Tamaño
108,92 KB
Formato
Adobe PDF
Cargando...
Nombre
Informe_Antiplagio.pdf
Tamaño
1,45 MB
Formato
Adobe PDF