Please use this identifier to cite or link to this item:
http://ri.uaemex.mx/handle20.500.11799/71007
Title: | Desempeño de una Red Neuronal Convolucional para Clasificación de Señales de Tránsito | Authors: | RIGOBERTO VIZCAYA CARDENAS JOSE MARTIN FLORES ALBINO VICTOR MANUEL LANDASSURI MORENO SAUL LAZCANO SALAS |
Keywords: | Redes Neuronales;Deep Learning;Clasificación de imágenes;info:eu-repo/classification/cti/7 | Publisher: | Journal CIM | Description: | El paradigma del Deep Learnig, o Aprendizaje Profundo, se ha beneficiado del incremento de información de la actualidad, así como del notable avance de las Redes Neuronales Convolucionales o CNN’s. En los últimos cinco años, las CNN’s han estado al frente en aplicaciones de reconocimientos de patrones usando imágenes o video, debido a las ventajas que tienen en comparación con otras técnicas; incluso, en algunos casos, llegando a superar la capacidad humana, como se muestra en el trabajo de Graham [2015]. En el presente trabajo se emplean señales de tránsito empleadas en México, para investigar el tiempo de entrenamiento y error de clasificación (desempeño) de una CNN de dos capas de convolución, el entrenamiento y prueba se llevada cabo en un CPU. CONACYT |
URI: | http://ri.uaemex.mx/handle20.500.11799/71007 | Other Identifiers: | http://hdl.handle.net/20.500.11799/71007 | Rights: | info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/4.0 |
Appears in Collections: | Producción |
Show full item record
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.