Comparative Evaluation of YOLO and Haar Cascade in Truck Detection in Road Scenarios in the City of Bogotá
Cargando...
Fecha
Fecha
Director
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Distrital Francisco José de Caldas
Compartir
Citar documento
Gómez, Ricardo A.; Mateus, Paola A.; Sandoval, Julieth A. (s. f.). Comparative Evaluation of YOLO and Haar Cascade in Truck Detection in Road Scenarios in the City of Bogotá. Universidad Distrital Francisco José de Caldas. https://hdl.handle.net/11349/103431
Gestores bibliográficos
Altmetric
El indicador aparece cuando Altmetric registra menciones para este documento.
Resumen
Descripción
This research paper focuses on the identification of objects using Neural Networks and Computer Vision in Python. The goal is to achieve high levels of performance and speed in object identification through database exploration, algorithm development using tools such as OpenCV, and research of specific mathematical models. A thorough search and selection of relevant databases was carried out to train and validate the Neural Network models used, resulting in high levels of accuracy and reliability in object identification.
Este trabajo de investigación se centra en la identificación de objetos mediante redes neuronales y visión artificial en Python. El objetivo es lograr un alto rendimiento y velocidad en la identificación de objetos mediante la exploración de bases de datos, el desarrollo de algoritmos con herramientas como OpenCV y la investigación de modelos matemáticos específicos. Se realizó una búsqueda exhaustiva y una selección de bases de datos relevantes para entrenar y validar los modelos de redes neuronales utilizados, lo que resultó en altos niveles de precisión y fiabilidad en la identificación de objetos.
Este trabajo de investigación se centra en la identificación de objetos mediante redes neuronales y visión artificial en Python. El objetivo es lograr un alto rendimiento y velocidad en la identificación de objetos mediante la exploración de bases de datos, el desarrollo de algoritmos con herramientas como OpenCV y la investigación de modelos matemáticos específicos. Se realizó una búsqueda exhaustiva y una selección de bases de datos relevantes para entrenar y validar los modelos de redes neuronales utilizados, lo que resultó en altos niveles de precisión y fiabilidad en la identificación de objetos.
Palabras clave
YOLO , Python , CNN , BNN , Haar Clasiffier , Computer Vision , YOLO , Python , CNN , BNN , Clasificador Haar , Visión por computadora