Desarrollo de un software como herramienta para el reconocimiento de patrones faciales caninos

By: Contributor(s): Material type: TextTextLanguage: Spanish Publisher: Ecuador : Universidad del Azuay-Facultad de Ciencia y Tecnología-Escuela de Ingeniería Electrónica, 2021Description: 16 páginas; DigitalContent type:
  • texto
Media type:
  • computadora
Carrier type:
  • recurso en línea
Subject(s): Other classification:
  • UDA-BG T16859
Online resources: Dissertation note: Ingeniero Electrónico Abstract: El siguiente estudio presenta el desarrollo de un software que tiene como objetivo reconocer de forma automática la identidad de un can mediante una fotografía, evaluando los patrones faciales por medio del procesamiento de imágenes e inteligencia artificial, ya que a una persona se le dificulta reconocer los rasgos físicos de un canino que observó en algún anuncio o en ciertos casos, este no posee otro método de identificación. El software fue desarrollado en Google Colab, donde se utilizó Inception-Resnet v2 para la detección facial, además la biblioteca Pytorch y las técnicas Support Vector Classifier y Directed Acyclic Graph Support Vector Machines, las mismas que sirven para la identificación canina, obteniendo como resultado una precisión promedio del 93,10% en el reconocimiento entre dos clases y del 90,30% entre cuatro clases.
Tags from this library: No tags from this library for this title. Log in to add tags.
Star ratings
    Average rating: 0.0 (0 votes)
Holdings
Item type Current library Shelving location Call number Status Barcode
Tesis Biblioteca Hernán Malo González Digital UDA-BG T16859 (Browse shelf(Opens below)) Available T16859

Ingeniero Electrónico

El siguiente estudio presenta el desarrollo de un software que tiene como objetivo reconocer de forma automática la identidad de un can mediante una fotografía, evaluando los patrones faciales por medio del procesamiento de imágenes e inteligencia artificial, ya que a una persona se le dificulta reconocer los rasgos físicos de un canino que observó en algún anuncio o en ciertos casos, este no posee otro método de identificación. El software fue desarrollado en Google Colab, donde se utilizó Inception-Resnet v2 para la detección facial, además la biblioteca Pytorch y las técnicas Support Vector Classifier y Directed Acyclic Graph Support Vector Machines, las mismas que sirven para la identificación canina, obteniendo como resultado una precisión promedio del 93,10% en el reconocimiento entre dos clases y del 90,30% entre cuatro clases.

There are no comments on this title.

to post a comment.

Catálogo
Digital