Modelo de detección y análisis de señales de tránsito y deterioro de la superficie vial en carreteras 4G y 5G haciendo uso de redes neuronales convolucionales
Fecha
Autores
Autor corporativo
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Distrital Francisco José de Caldas
Compartir
Director
Altmetric
Resumen
Convolutional Neural Networks (CNNs) have revolutionized image processing and computer vision due to their ability to detect patterns and features in large volumes of data, being applied in fields such as autonomous driving, surveillance, and medical diagnosis. This project, developed in collaboration with Inversiones Gutiérrez García, aims to design a technological solution for 4G and 5G highway concessionaires in Colombia, improving the management and monitoring of road conditions through advanced artificial intelligence techniques. Using neural networks, specifically Yolo NAS, it addresses the creation of databases, labeling, and training focused on traffic signals and road deterioration.
Descripción
Las redes neuronales convolucionales (CNN) han revolucionado el procesamiento de imágenes y la visión por computadora gracias a su capacidad para detectar patrones y características en grandes volúmenes de datos, aplicándose en campos como la conducción autónoma, la vigilancia y el diagnóstico médico. Este proyecto, desarrollado en colaboración con Inversiones Gutiérrez García, busca diseñar una solución tecnológica para concesionarios de vías 4G y 5G en Colombia, mejorando la gestión y el monitoreo del estado de las carreteras mediante técnicas avanzadas de inteligencia artificial. Utilizando redes neuronales, específicamente Yolo NAS, se aborda la creación de bases de datos, el etiquetado y el entrenamiento enfocado en señales de tránsito y deterioro vial.
Palabras clave
Redes neuronales convolucionales, Aprendizaje de máquina, Visión artificial, Base de datos