1. Repositorio Institucional UNAD

1. Repositorio Institucional UNAD
2. Producción Científica
3. Sello Editorial UNAD
4. Revista Publicaciones e Investigación

Title:	Red Neuronal semántica para la detección de carriles peatonales Semantic Neural Network for pedestrian lane detection
metadata.dc.creator:	Aldana Porras, Juan Manuel Montes Mora, John Fredy Aldana Porras, Juan Manuel Montes Mora, John Fredy
Keywords:	Visually impaired;Neural semantic network;Deeplab;Discapacidad visual;Red neuronal;Deeplab;carriles peatonales
Publisher:	Sello editorial UNAD
metadata.dc.relation:	https://hemeroteca.unad.edu.co/index.php/publicaciones-e-investigacion/article/view/7476/6483
metadata.dc.format.*:	application/pdf
metadata.dc.type:	info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion
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. 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.
metadata.dc.source:	Publicaciones e Investigación; Vol. 17 No. 4 (2023): Edición especial Expotech Publicaciones e Investigación; Vol. 17 Núm. 4 (2023): Edición especial Expotech 2539-4088 1900-6608
Other Identifiers:	https://hemeroteca.unad.edu.co/index.php/publicaciones-e-investigacion/article/view/7476 10.22490/25394088.7476
Appears in Collections:	Revista Publicaciones e Investigación

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.