Title:	Detección automática de líneas de carril basada en Inteligencia Artificial orientada a la asistencia del conductor.
metadata.dc.creator:	Tomás Emmanuel Juárez Vallejo
Keywords:	Ingeniería y Tecnología Ciencias Tecnológicas Ciencia de los ordenadores
Issue Date:	22-Jan-2023
Publisher:	Ingeniería
metadata.dc.degree.department:	Facultad de Ingeniería
metadata.dc.degree.name:	Maestría en Ciencias en Inteligencia Artificial
Description:	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
Appears in Collections:	Maestría en Ciencias en Inteligencia Artificial

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.