Desarrollo de una aplicación para la detección del tipo de mascota utilizando machine learnig
En la presente tesis se desarrolla una aplicación para la detección del tipo de mascota utilizando técnicas de aprendizaje de máquina, enfocándose específicamente en el reconocimiento de perros, gatos y aves. La meta principal es desarrollar y ejecutar un sistema que pueda reconocer con precisión es...
Zapisane w:
| 1. autor: | |
|---|---|
| Kolejni autorzy: | |
| Format: | bachelorThesis |
| Język: | spa |
| Wydane: |
2024
|
| Hasła przedmiotowe: | |
| Dostęp online: | http://dspace.ups.edu.ec/handle/123456789/28406 |
| Etykiety: |
Dodaj etykietę
Nie ma etykietki, Dołącz pierwszą etykiete!
|
Dodaj etykietę | Streszczenie: | En la presente tesis se desarrolla una aplicación para la detección del tipo de mascota utilizando técnicas de aprendizaje de máquina, enfocándose específicamente en el reconocimiento de perros, gatos y aves. La meta principal es desarrollar y ejecutar un sistema que pueda reconocer con precisión este tipo de animales a partir de imágenes. Para lograrlo, se han seguido varias etapas clave: la recopilación y el procesamiento previo de datos, el diseño de la arquitectura del modelo de (CNN), el entrenamiento del modelo con una amplia y diversa variedad de datos, y la evaluación de su rendimiento mediante métricas estándar en el campo del aprendizaje de máquina. Durante la etapa de recopilación de datos, se han obtenido imágenes de diferentes fuentes para asegurar la diversidad y representatividad de las mismas. El preprocesamiento ha incluido técnicas de normalización y aumentación de datos para mejorar la robustez del modelo. La creación de la estructura del modelo se ha basado en las mejores prácticas y estudios recientes en el campo de las CNN, optimizando tanto la profundidad como la complejidad de la red para balancear precisión y eficiencia computacional. El modelo fue entrenado utilizando una infraestructura de hardware adecuada para procesamiento intensivo, logrando una precisión significativa en la clasificación de las imágenes de mascotas. Una característica distintiva de este proyecto es la implementación de la aplicación en una Raspberry Pi 4, lo que demuestra la viabilidad de ejecutar modelos de aprendizaje de máquina en dispositivos de bajo costo y recursos limitados. La integración del sistema en la Raspberry Pi 4 incluye la optimización del modelo para asegurar un rendimiento adecuado en términos de periodo de inferencia y uso de memoria. Los resultados obtenidos demuestran la eficacia del modelo propuesto, alcanzando altas tasas de precisión y recall en la identificación de perros, gatos y aves. Finalmente, se discuten las posibles aplicaciones del sistema en áreas como la veterinaria, el comercio de mascotas, y la tecnología de consumo, así como las acotaciones del estudio y las direcciones futuras para mejorar y expandir el alcance del sistema. |
|---|