Red Neuronal semántica para la detección de carriles peatonales

Aldana Porras, Juan Manuel; Montes Mora, John Fredy; Aldana Porras, Juan Manuel; Montes Mora, John Fredy

Semantic Neural Network for pedestrian lane detection

dc.creator	Aldana Porras, Juan Manuel	es
dc.creator	Montes Mora, John Fredy	es
dc.creator	Aldana Porras, Juan Manuel	en
dc.creator	Montes Mora, John Fredy	en
dc.date	2023-12-11
dc.identifier	https://hemeroteca.unad.edu.co/index.php/publicaciones-e-investigacion/article/view/7476
dc.identifier	10.22490/25394088.7476
dc.description	This work is part of the PG2402ECBTI2022 project approved by the Universidad Nacional Abierta y a Distancia. Its objective is to develop a spatial perception system with artificial intelligence (AI) techniques to improve the orientation and mobility of visually impaired people in Ibagué. The proposed system consists of several modules, and this text focuses on the results of the image processing module oriented to the segmentation of pedestrian lanes through the use of semantic neural networks. The network proposed for this task is based on a Deeplab architecture and was trained on a dataset composed of 5443 images. The results show that the architecture obtained an accuracy level of 0.95 and that its capacity to generalize new samples is in accordance with the task required for the system in general.	en
dc.description	El presente trabajo forma parte del proyecto PG2402ECBTI2022 aprobado por la Universidad Nacional Abierta y a Distancia. Su objetivo es desarrollar un sistema de percepción espacial con técnicas de inteligencia artificial (IA) para mejorar la orientación y movilidad de personas con discapacidad visual en Ibagué. El sistema propuesto consta de varios módulos, y este texto se enfoca en los resultados del módulo de procesamiento de imágenes orientado a la segmentación de carriles peatonales mediante el uso de redes neuronales semánticas. La red propuesta para esta tarea parte de una arquitectura Deeplab y se entrenó a partir de un dataset compuesto por 5443 imágenes. Los resultados muestran que la arquitectura obtuvo un nivel de exactitud de 0.95 y que su capacidad para generalizar nuevas muestras es acorde a la tarea exigida para el sistema en general.	es
dc.format	application/pdf
dc.language	spa
dc.publisher	Sello editorial UNAD	es
dc.relation	https://hemeroteca.unad.edu.co/index.php/publicaciones-e-investigacion/article/view/7476/6483
dc.rights	Derechos de autor 2023 Publicaciones e Investigación	es
dc.rights	https://creativecommons.org/licenses/by-nc-nd/4.0	es
dc.source	Publicaciones e Investigación; Vol. 17 No. 4 (2023): Edición especial Expotech	en
dc.source	Publicaciones e Investigación; Vol. 17 Núm. 4 (2023): Edición especial Expotech	es
dc.source	2539-4088
dc.source	1900-6608
dc.subject	Visually impaired	en
dc.subject	Neural semantic network	en
dc.subject	Deeplab	en
dc.subject	Discapacidad visual	es
dc.subject	Red neuronal	es
dc.subject	Deeplab	es
dc.subject	carriles peatonales	es
dc.title	Red Neuronal semántica para la detección de carriles peatonales	es
dc.title	Semantic Neural Network for pedestrian lane detection	en
dc.type	info:eu-repo/semantics/article
dc.type	info:eu-repo/semantics/publishedVersion