Publicación:
Sistema de reconocimiento de placas colombianas por medio de redes convolucionales para acceso a áreas residenciales

dc.contributor.advisorOlarte Hernández, Tomás
dc.contributor.authorPinto Restrepo, Daniel Enrique
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.emaildpintor1@eafit.edu.co
dc.date.accessioned2024-11-12T21:17:46Z
dc.date.available2024-11-12T21:17:46Z
dc.date.issued2024
dc.descriptionEl presente estudio se centra en el desarrollo y evaluación de un sistema de reconocimiento de placas vehiculares en Colombia utilizando redes neuronales convolucionales, con el objetivo de mejorar la seguridad en el acceso a áreas residenciales. Para abordar este problema, se emplearon técnicas de transferencia de aprendizaje con modelos preentrenados en los conjuntos de datos COCO e ImageNet, y se utilizaron además conjuntos de datos específicos de Brasil e India para aumentar la disponibilidad de datos durante el reentrenamiento de los modelos. Se propusieron y compararon cinco modelos diferentes, variando las herramientas y los datos utilizados tanto para la detección de vehículos como para el reconocimiento de caracteres en las placas. Los resultados de las pruebas de campo mostraron un porcentaje de acierto del 60%, destacando problemas específicos con la letra "Q'' en las placas. A pesar de las mejoras en la precisión de las primeras fases del sistema, el principal desafío radica en la correcta identificación de caracteres específicos, lo que sugiere la necesidad de una mayor diversificación y representatividad de los datos de entrenamiento. Este trabajo proporciona una base sólida para futuros desarrollos y mejoras en sistemas de reconocimiento de placas vehiculares en contextos similares.
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Ciencias de los Datos y Analíticaspa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad EAFIT
dc.identifier.reponamereponame:Repositorio Institucional Universidad EAFIT
dc.identifier.repourlrepourl:https://repository.eafit.edu.co
dc.identifier.urihttps://hdl.handle.net/10784/34781
dc.language.isospaspa
dc.language.isospa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentÁrea Computación y Analíticaspa
dc.publisher.facultyEscuela de Ciencias Aplicadas e Ingenieríaspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.localAcceso abiertospa
dc.subjectRedes Convolucionales
dc.subjectSistema de reconocimiento de placas
dc.subjectMobilenet
dc.subjectYOLO
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.subject.lembTECNOLOGÍA
dc.subject.lembREDES DE COMPUTADORES
dc.titleSistema de reconocimiento de placas colombianas por medio de redes convolucionales para acceso a áreas residenciales
dc.typemasterThesis
dc.typeinfo:eu-repo/semantics/masterThesis
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttps://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.hasVersionacceptedVersion
dc.type.localTesis de Maestríaspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
dc.type.spaArtículospa
dspace.entity.typePublication

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
DanielEnrique_PintoRestrepo_2024.pdf
Tamaño:
8.21 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
443.33 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
198.26 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción: