Desempeño de una Red Neuronal Convolucional para Clasificación de Señales de Tránsito

Abstract

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.