Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/4384
Título : Detección automática de líneas de carril basada en Inteligencia Artificial orientada a la asistencia del conductor.
Autor: Tomás Emmanuel Juárez Vallejo
Palabras clave : Ingeniería y Tecnología
Ciencias Tecnológicas
Ciencia de los ordenadores
Fecha de publicación : 22-ene-2023
Editorial : Ingeniería
Facultad: Facultad de Ingeniería
Programa académico: Maestría en Ciencias en Inteligencia Artificial
Resumen: Las carreteras pueden presentar distintas condiciones climáticas o alteraciones como suciedad o desgaste lo cual dificulta la visibilidad de las líneas carriles pudiendo causar accidentes, estos se pueden disminuir mediante sistemas de ayuda al conductor los cuales realizan una detección de las líneas de carril y se emite una alarma en caso de un abandono de carril accidental. En los últimos años se han propuesto diversos métodos de detección siendo una de ellas la detección mediante visión artificial con el uso de redes neuronales. En este trabajo se propusieron dos redes neuronales las cuales fueron entrenadas para la base de datos Tusimple, el primero modelo entrenado fue una red generativa adversarial llamada Pix2pix para esta red se utilizaron dos preprocesamientos: cambios en el espacio de color y un algoritmo de agrupamientos llamado Superpixel, con este modelo se obtuvo un índice Dice de 0.41. El segundo modelo consiste en una U-net modificada, se utiliza- ron distintas técnicas de preprocesamiento: Cambios en el espacio de color y diferente nu´mero de canales en la imagen. Se propuso una nueva función de perdida llamada Focal Tversky + L1, en los resultados se obtuvo un valor en el índice Dice de 0.83 y en las métricas oficiales de Tusimple se logró una precisión de 0.92 mientras que su tiempo de entrenamiento fue de 15 segundos por época. Finalmente se llevó a la implementación en una tarjeta Raspberry Pi 3 utilizando la librería TensorFlow lite.
URI : http://ri-ng.uaq.mx/handle/123456789/4384
Colección: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI007111.pdf4.82 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.