Resumen

BOGRAN ORTIZ, Lester Yonabel  y  MARTINEZ HERNANDEZ, Jairo Jonathan. Comparativa de modelos de detección de objetos y personas en espacios cerrados de acceso público. Universidad y Sociedad [online]. 2023, vol.15, n.4, pp. 661-672.  Epub 12-Ago-2023. ISSN 2218-3620.

Este trabajo tiene como objetivo presentar una comparativa de diferentes técnicas de detección de objetos y determinar cuál de ellos es el más adecuado para detectar personas en tiempo real y así controlar eficientemente el aforo de personas en espacios públicos cerrados para ayudar a prevenir la propagación del COVID-19. En este estudio se han puesto a prueba soluciones basadas en redes neuronales como R-CNN, YOLO y SSD, así como soluciones no neuronales como SVM y HOG. Se trabajo con modelos entrenados con del conjunto de datos MS COCO, y se utilizó el dataset Wisenet para evaluar los diferentes modelos. Todos los modelos fueron puestos a prueba en tres aspectos diferentes, siendo estos la precesión, velocidad de inferencia y el error. En las pruebas el modelo YOLO demostró un rendimiento mayor a los demás, mientras que la implementación de SSD demostró el rendimiento más bajo en mayoría de las pruebas.

Palabras clave : Detección de objetos; Visión por computador; Redes neuronales convolucionales; Aprendizaje Profundo; HOG.

        · resumen en Inglés     · texto en Español     · Español ( pdf )