Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/3336
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributorJuan Manuel Ramos Arreguínes_ES
dc.creatorJosé Héctor León Chávezes_ES
dc.date2021-12-03-
dc.date.accessioned2022-01-24T14:37:20Z-
dc.date.available2022-01-24T14:37:20Z-
dc.date.issued2021-12-03-
dc.identifierMobile-netes_ES
dc.identifierPIX2PIXes_ES
dc.identifierU-Netes_ES
dc.identifierUAVes_ES
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/3336-
dc.descriptionLos vehículos autónomos tienen una gran importancia en el campo de la inteligencia artificial. Se aplican redes neuronales entrenadas para adaptarse a entornos no conocidos. Algunas redes neuronales convolucionales (CNN por sus siglas en inglés) tuvieron gran impacto en diferentes campos de la ciencia, como la biología. Sin embargo, su eficiencia en otros campos es poco explorada. En la actualidad podemos emplear modelos computacionales para simular el funcionamiento de diferentes componentes de la vida diaria como vehículos, tráfico o el clima con la finalidad de llevar a cabo experimentos sin ningún riesgo inherente. Este trabajo presenta el comportamiento de los modelos U-NET, Mobile-Net y Pix2Pix para la segmentación de caminos en un entorno virtual. Se aprovechan las facultades del entorno virtual para generar la base de datos que compartiremos. Finalmente se muestran los resultados estadísticos de cada modelo empleando como base de comparación la métrica intersección sobre unión (IoU por sus siglas en inglés) así como la cantidad de imágenes procesadas por segundo.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.relation.requiresNoes_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectINGENIERÍA Y TECNOLOGÍAes_ES
dc.subjectCIENCIAS TECNOLÓGICASes_ES
dc.subjectOTRAS ESPECIALIDADES TECNOLÓGICASes_ES
dc.titleOdometría y mapeo de lugares de difícil acceso empleando técnicas SLAMes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorLECH930608HQTNHC00es_ES
dc.contributor.identificadorRAAJ710606HGTMRN01es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en las colecciones: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI006377.pdf3.12 MBAdobe PDFVista previa
Visualizar/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.