Campoverde Quito, Wilson Andrés, <br/><br/>
Análisis del rendimiento de detectar, clasificar vehículos y pedestres en tiempo continuo con smartphone Android y TensorFlow Lite 

 - 47 páginas  Digital 
<br/><br/>Ingeniero en Sistemas y Telemática 
<br/><br/> Generalmente, se utilizan personas para conteo manual de vehículos y actores de la movilidad, lo cual resulta costoso. Actualmente, el avance de la tecnología permite utilizar métodos basados en redes neuronales convolucionales a la visión por computadora. El objetivo de este trabajo es conocer el rendimiento de las técnicas actuales en un dispositivo smartphone Android, estas medidas son conocidas en la literatura como precisión y recall. Consecuentemente se analiza la creación de un sistema automático a bajo costo que permita clasificar y contar estos actores del espacio público, usando TensorFlow Lite. Adicionalmente, se reentrena un modelo basado en Single Shot Detector para comparar 2 modelos: el primero por efecto y el segundo re-entrenado. Los resultados reportan un incremento significativo en rendimiento mAP para el modelo, como también mejoran las medidas de precision y recall. 
<br/><br/><label>Subjects--Topical Terms: </label><br/>ANDROID<br/>APRENDIZAJE PROFUNDO<br/>ARQUITECTURA DE REDES NEURONALES<br/>REDES NEURONALES<br/>TENSORFLOW<br/>TENSORFLOW LITE