Reconeixement automàtic de senyals de trànsit
Aquest treball final de màster presenta un estudi comparatiu entre mètodes basats en aprenentatge automàtic aplicats a la visió per computador i tècniques modernes d'aprenentatge profund aplicades al reconeixement automàtic de senyals de trànsit. S'ha implementat un primer enfocament basat...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universitat Politècnica de Catalunya (UPC) |
| Repositorio: | UPCommons. Portal del coneixement obert de la UPC |
| Idioma: | catalán |
| OAI Identifier: | oai:upcommons.upc.edu:2117/445547 |
| Acceso en línea: | https://hdl.handle.net/2117/445547 |
| Access Level: | acceso abierto |
| Palabra clave: | Deep learning (Machine learning) Computer vision Traffic flow Profund Automàtic IA Reconeixement Detecció Segmentació Classificació Trànsit Conducció Canny HOG CNN Aprenentatge profund (Aprenentatge automàtic) Visió per ordinador Circulació Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial::Aprenentatge automàtic |
| Sumario: | Aquest treball final de màster presenta un estudi comparatiu entre mètodes basats en aprenentatge automàtic aplicats a la visió per computador i tècniques modernes d'aprenentatge profund aplicades al reconeixement automàtic de senyals de trànsit. S'ha implementat un primer enfocament basat en segmentació en l'espai de color HSV, descriptors com HOG i Hu moments, i classificadors com k-NN i SVM. Paral·lelament, s'ha desenvolupat un model de xarxa neuronal convolucional dissenyat específicament per al conjunt de dades GTSRB, així com proves amb arquitectures preentrenades com ResNet50 i MobileNetV2. Els experiments mostren que, mentre els mètodes basats en aprenentatge automàtic ofereixen simplicitat i menors requeriments computacionals però amb una precisió inferior, les xarxes convolucionals aconsegueixen una millora substancial en l'exactitud. Tot i això, l'ús d'aprenentatge profund comporta un cost computacional i energètic més elevat, especialment en el cas de models complexos. La comparativa evidencia els punts forts i febles de cada estratègia i posa de manifest la necessitat de trobar un equilibri entre precisió, eficiència i sostenibilitat. Aquest estudi contribueix a valorar la viabilitat pràctica d'aquestes tècniques en aplicacions reals, com els sistemes avançats d'assistència a la conducció (ADAS) o la conducció autònoma, on la seguretat i la robustesa són imprescindibles. |
|---|