<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Supqua: aplicación móvil para interpretar datos de las señales del SITP zonal para la población en condición de discapacidad visual usando machine learning

Cargando...
Miniatura

Fecha

Fecha

2020-07-14

Título de la revista

ISSN de la revista

Título del volumen

Editor

Compartir

Citar documento

Velosa Sanabria, Anderson Fabián (2020). Supqua: aplicación móvil para interpretar datos de las señales del SITP zonal para la población en condición de discapacidad visual usando machine learning. https://hdl.handle.net/11349/24820

Gestores bibliográficos

Altmetric

El indicador aparece cuando Altmetric registra menciones para este documento.

Documentos PDF

Resumen

In this project, was develop and published a mobile application for Android devices that uses deep learning and open data features to consult the routes of the urban transport system in Bogota (SITP) on the bus stops to work offline and designed for the people in with visual disability total or partial. Was used transfer learning as a technique for getting a model able to detect objects on Tensorflow using photographs and computer-generated images, to identify the signals and for the optical character recognition of unique alphanumeric code was used Tesseract. code that is consulted in the extracted information related from the Bogota open data and available in the local storage on the device and their result is shared using the user interface with support for feedback audible to the user.

Descripción

En este proyecto de grado se desarrolló y publicó una aplicación para dispositivos móviles con sistema operativo Android que implementa funcionalidades de Machine Learning y datos abiertos para consultar la información de las rutas en los paraderos zonales del Sistema Integrado de Transporte Urbano de la ciudad de Bogotá (SITP) sin requerir conexión a Internet y diseñada para las personas en condición de discapacidad (PcD) visual parcial o completa. Se usó la técnica de Transfer learning para obtener un modelo de detección de objetos en Tensor Flow usando fotografı́as e imágenes generadas por computadora para identificar las señales, y para el reconocimiento de caracteres ópticos del código alfanumérico único del paradero se uso Tesseract OCR, código que se consulta en la información extraı́da de los datos abiertos de Bogotá y almacenada de forma local en el dispositivo y cuyo resultado es compartido en la interfaz con soporte para la retroalimentación audible al usuario.

Citación