Buscar


Mostrar el registro sencillo del ítem

dc.contributor Juan Manuel Ramos Arreguín es_ES
dc.creator José Héctor León Chávez es_ES
dc.date 2021-12-03
dc.date.accessioned 2022-01-24T14:37:20Z
dc.date.available 2022-01-24T14:37:20Z
dc.date.issued 2021-12-03
dc.identifier.uri http://ri-ng.uaq.mx/handle/123456789/3336
dc.description Los 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.format Adobe PDF es_ES
dc.language.iso spa es_ES
dc.relation.requires No es_ES
dc.rights Acceso Abierto es_ES
dc.subject Mobile-net es_ES
dc.subject PIX2PIX es_ES
dc.subject U-Net es_ES
dc.subject UAV es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Odometría y mapeo de lugares de difícil acceso empleando técnicas SLAM es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid curp es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador LECH930608HQTNHC00 es_ES
dc.contributor.identificador RAAJ710606HGTMRN01 es_ES
dc.contributor.role Director es_ES
dc.degree.name Maestría en Ciencias en Inteligencia Artificial es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES


Ficheros en el ítem

Thumbnail
Nombre: RI006377.pdf
Tamaño: 3.050Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem