Please use this identifier to cite or link to this item:
http://hdl.handle.net/10553/41983
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Guerra Artal, Cayetano | es |
dc.contributor.author | Hormigo Ruiz, Daniel | es |
dc.date.accessioned | 2018-09-20T08:37:23Z | - |
dc.date.available | 2018-09-20T08:37:23Z | - |
dc.date.issued | 2017 | en_US |
dc.identifier.uri | http://hdl.handle.net/10553/41983 | - |
dc.description | Máster Universitario en Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (MUSIANI) | en_US |
dc.description.abstract | Localizar la carretera en una imagen usada en aplicaciones de conducción autónoma es fundamental para que los vehículos autónomos sean más seguros, más robustos y fiables. La segmentación semántica de imágenes es una técnica que clasifica píxel a píxel una imagen, proporcionando información precisa sobre la ubicación de muchos tipos de objetos en una imagen. Para lograr el objetivo de mejorar la localización de la carretera, en este Trabajo Final de Máster presentamos la aplicación de una técnica de vanguardia en el campo de la visión por computador para clasificar píxeles a píxel para detectar dónde está la carretera en una imagen. Esta técnica se denomina Redes Neuronales Completamente Convolutivas (FCN por sus siglas en inglés)… | en_US |
dc.description.abstract | To locate the road into an image for self-driving applications is essential to become the autonomous driving cars safer, more robust and reliable. Image semantic segmentation is a technique that classify pixel by pixel one image, providing accurate information about the location of many kind of objects into an image. In order to achieve the goal of improving the road localization, in this Master Thesis we present the application of a cutting-edge technique, in the field of computer vision, to classify pixel by pixel to detect where the road is into an image. This technique is called Fully Convolutional Neural Networks... | en_US |
dc.language | spa | en_US |
dc.subject | 1203 Ciencia de los ordenadores | en_US |
dc.subject | 3304 Tecnología de los ordenadores | en_US |
dc.subject.other | Redes neuronales | es |
dc.subject.other | Inteligencia artificial | es |
dc.subject.other | Visión por computador | es |
dc.subject.other | Fully Convolutional Neural Networks | es |
dc.subject.other | Redes Neuronales Convolutivas | es |
dc.subject.other | Segmentación semántica | es |
dc.title | Aplicación de Fully convolutional Neural Networks para segmentación semántica de imágenes para aplicaciones de conducción autónoma | es |
dc.title.alternative | Application of Fully Convolutional Neural Networks for semantic segmentation of Images for autonomous driving applications | en_US |
dc.type | info:eu-repo/semantics/masterThesis | en_US |
dc.type | MasterThesis | en_US |
dc.contributor.centro | Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (SIANI) | en_US |
dc.contributor.departamento | Departamento de Informática Y Sistemas | es |
dc.investigacion | Ingeniería y Arquitectura | en_US |
dc.type2 | Trabajo final de máster | en_US |
dc.utils.revision | Sí | en_US |
dc.identifier.matricula | TFT-46352 | es |
dc.identifier.ulpgc | Sí | en_US |
dc.contributor.buulpgc | BU-INF | es |
dc.contributor.titulacion | Máster Universitario en Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería | es |
item.grantfulltext | open | - |
item.fulltext | Con texto completo | - |
crisitem.advisor.dept | GIR SIANI: Inteligencia Artificial, Redes Neuronales, Aprendizaje Automático e Ingeniería de Datos | - |
crisitem.advisor.dept | IU Sistemas Inteligentes y Aplicaciones Numéricas | - |
crisitem.advisor.dept | Departamento de Informática y Sistemas | - |
Appears in Collections: | Trabajo final de máster |
Page view(s)
263
checked on Jul 15, 2023
Download(s)
533
checked on Jul 15, 2023
Google ScholarTM
Check
Share
Export metadata
Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.