RT info:eu-repo/semantics/bachelorThesis
T1 Comparación de arquitecturas CNN en la clasificación de objetos del Dataset RoboCup@Home-Objects
A1 Yang, Xiao
A2 Arquitectura y Tecnologia de Computadores
K1 Cibernética
K1 Informática
K1 Matemáticas
K1 Deep learning
K1 Reconocimiento de objetos
K1 Robótica social
K1 RoboCup@Home-Objects
K1 Redes neuronales
K1 Arquitecturas
K1 YoloV8
K1 Aprendizaje supervisado
K1 1207.03 Cibernética
K1 1203.18 Sistemas de Información, Diseño Componentes
K1 1203.10 Enseñanza Con Ayuda de Ordenador
AB [ES] Este Trabajo Fin de Grado se centra en desarrollar un sistema de reconocimiento de objetos en robótica social usando visión por computadora y aprendizaje supervisado con los principales frameworks de deep learning basados en redes neuronales como Keras y Yolo. El trabajo consta de diferentes etapas: un estudio exhaustivo del problema, construcción del dataset con las imágenes que se utilizan en la competencia de RoboCup@Home- OBJECTS del año 2019, gestión de proyecto software, implementación de arquitecturas, evaluación de resultados y conclusiones con posibles mejoras. Resultados preliminares demuestran que el enfoque de aprendizaje supervisado con redes neuronales es prometedor en el reconocimiento de objetos en robótica social, logrando alto rendimiento en clasificación. Este trabajo avanza en visión por computadora y su aplicación en interacción humano-robot, sentando bases para futuras investigaciones en percepción visual en robótica social.
LK https://hdl.handle.net/10612/21393
UL https://hdl.handle.net/10612/21393
NO Yang, X. (2023). Comparación de arquitecturas CNN en la clasificación de objetos del Dataset RoboCup@Home-Objects. [Trabajo de fin de Grado, Universidad de León]
DS BULERIA. Repositorio Institucional de la Universidad de León
RD 29-jun-2024