Comparación de arquitecturas basadas en CNN para la detección de diferentes clases de objetos
Autores: Bilous, Nataliya; Malko, Vladyslav; Frohme, Marcus; Nechyporenko, Alina
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Comparación de arquitecturas basadas en CNN para la detección de diferentes clases de objetos
Categoría
Ingeniería y Tecnología
Subcategoría
Inteligencia Artificial
Palabras clave
Detectar personas
Objetos técnicos
Visión por computadora
Tecnologías de aprendizaje profundo
Redes neuronales
Métricas de rendimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
(1) Antecedentes: Detectar personas y objetos técnicos en diversas situaciones, como desastres naturales y conflictos armados, es fundamental para las operaciones de búsqueda y rescate y la seguridad de los civiles. Una detección rápida y precisa de personas y equipos puede aumentar significativamente la efectividad de las misiones de búsqueda y rescate y proporcionar asistencia oportuna a las personas. Las tecnologías de visión por computadora y aprendizaje profundo desempeñan un papel clave en la detección de los objetos requeridos debido a su capacidad para analizar grandes volúmenes de datos visuales en tiempo real.
Descripción
(1) Antecedentes: Detectar personas y objetos técnicos en diversas situaciones, como desastres naturales y conflictos armados, es fundamental para las operaciones de búsqueda y rescate y la seguridad de los civiles. Una detección rápida y precisa de personas y equipos puede aumentar significativamente la efectividad de las misiones de búsqueda y rescate y proporcionar asistencia oportuna a las personas. Las tecnologías de visión por computadora y aprendizaje profundo desempeñan un papel clave en la detección de los objetos requeridos debido a su capacidad para analizar grandes volúmenes de datos visuales en tiempo real.