Deep learning : neural networks for object detection
Abstract
En la actualidad se está llevando a cabo unan gran mejoría en los sistemas basados en detección de objetos, con el incremento de potencia de las GPUS, cada vez es más viable realizar entrenamientos en conjuntos de datos lo suficientemente grandes como para lograr una buena precisión, los detectores de una fase se están imponiendo ante los detectores de dos fases por su principal ventaja de obtener tiempos de inferencia mucho menores, esto abre una gran cantidad de usos para este tipo de detectores como pueden ser sistemas de vigilancia en tiempo real, control del tráfico. En este articulo se analiza el detector de una fase conocido como RetinaNet, que utiliza las técnicas ya conocidas por los detectores de una fase pero que introduce como novedad una función de error capaz de incrementar la precisión obtenida hasta este momento con los detectores de una fase, solventando el mayor problema que comparten todos ellos, que es el desbalanceo en la detección de objetos.
Keywords
Not available
Specialisations
Similar theses
- Distributed Intelligence for 3D Object Tracking in Autonomous Vehicles, A Multi-Sensor Approach to Object Tracking and Planning for Self-Driving Cars, Real-Time 3D Perception and Path Planning in Autonomous Systems,,Vision-Based Localization and Distributed Architecture for Driverless Cars,A Hybrid Deep Learning Framework for Object Detection and Trajectory Planning in Autonomous Vehicles Manas Madine · University of Massachusetts Amherst · 2023
- Development of an Algorithm for Object Detection in Medical Images using Image Segmentation and Deep Learning Techniques Rai Shiv Shankar · 2018
- Deep learning methods for MRI brain image analysis: 3D convolutional neural networks for Alzheimer's disease detection and brain tumor classification Mahmood Nazari ; Karl Bäckström · Chalmers University of Technology · 2017
- Learning to recognize objects by adaptive knowledge transfer Qingyi Tao · Nanyang Technological University · 2021
- Zero-shot Learning: Recognition, Tagging, and Detection of Novel Concepts Shafin Rahman · Australian National University · 2020
- Detection-aided medical image segmentation using deep learning Míriam Bellver Bueno · 2017
