dc.contributor.advisor | Gallego Len, Antonio Javier | es |
dc.creator | Maese Álvarez, José Enrique | es |
dc.date.accessioned | 2024-08-02T11:19:14Z | |
dc.date.available | 2024-08-02T11:19:14Z | |
dc.date.issued | 2024 | |
dc.identifier.citation | Maese Álvarez, J.E. (2024). Uso de redes neuronales para identificación de señales de tráfico. (Trabajo Fin de Máster Inédito). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/161888 | |
dc.description.abstract | En este proyecto de fin de máster nos centramos en la aplicación de la visión artificial y las redes neuronales
para el reconocimiento de señales de tráfico, con un enfoque particular en el modelo YOLOv8. La visión
artificial ha revolucionado el campo de la inteligencia artificial, permitiendo a las máquinas interpretar y
comprender el entorno visual de manera similar a los humanos. El reconocimiento de matrículas y señales de
tráfico, debido a su componente de seguridad vial, es una de las aplicaciones más complejas de esta tecnología,
contribuyendo significativamente a la automatización de vehículos.
En el proyecto examinamos los fundamentos teóricos de las redes neuronales convolucionales y su evolución,
destacando cómo modelos avanzados como YOLOv8 han mejorado la precisión y eficiencia del
reconocimiento de objetos en tiempo real. Se discutirán las técnicas de entrenamiento de modelos utilizando
grandes bases de datos, así como la implementación práctica de estos sistemas en entornos reales.
A través de una metodología rigurosa que incluye la recolección y procesamiento de datos, el entrenamiento
del modelo en plataformas de computación en la nube y la evaluación de resultados en condiciones diversas,
se demuestra la robustez y aplicabilidad de YOLOv8 en el reconocimiento de señales de tráfico. En el estudio
también abordamos las limitaciones actuales y se propondrán áreas de mejora futura.
En conclusión, este trabajo evidencia el potencial de las redes neuronales y la visión artificial para transformar
la seguridad y eficiencia en la conducción autónoma, subrayando la importancia de la continua investigación y
desarrollo en este campo para el avance de la inteligencia artificial en consonancia con la industria automotriz. | es |
dc.description.abstract | In this master's thesis project, we focus on the application of computer vision and neural networks for traffic
sign recognition, with a particular focus on the YOLOv8 model. Computer vision has revolutionized the field
of artificial intelligence, allowing machines to interpret and understand the visual environment in a similar way
to humans. The recognition of number plates and road signs, due to its road safety component, is one of the
most complex applications of this technology, contributing significantly to vehicle automation.
In the project we examine the theoretical foundations of convolutional neural networks and their evolution,
highlighting how advanced models such as YOLOv8 have improved the accuracy and efficiency of real-time
object recognition. Model training techniques using large databases will be discussed, as well as the practical
implementation of these systems in real environments.
Through a rigorous methodology that includes data collection and processing, model training on cloud
computing platforms, and evaluation of results under varying conditions, the robustness and applicability of
YOLOv8 in traffic sign recognition is demonstrated. The study also addresses current limitations and will
propose areas for future improvement.
In conclusion, this work highlights the potential of neural networks and computer vision to transform safety
and efficiency in autonomous driving, underlining the importance of continued research and development in
this field for the advancement of artificial intelligence in line with the automotive industry. | es |
dc.format | application/pdf | es |
dc.format.extent | 72 p. | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Uso de redes neuronales para identificación de señales de tráfico | es |
dc.type | info:eu-repo/semantics/masterThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Ingeniería de Sistemas y Automática | es |
dc.description.degree | Universidad de Sevilla. Máster Universitario en Ingeniería Electrónica, Robótica y Automática | es |