Mostrar el registro sencillo del ítem
Road pollution estimation using static cameras and neural networks
dc.contributor.author | Molina-Cabello, Miguel Ángel | |
dc.contributor.author | Luque-Baena, Rafael Marcos | |
dc.contributor.author | López-Rubio, Ezequiel | |
dc.contributor.author | Deka, Lipika | |
dc.contributor.author | Thurnhofer-Hemsi, Karl | |
dc.date.accessioned | 2018-07-19T09:52:37Z | |
dc.date.available | 2018-07-19T09:52:37Z | |
dc.date.created | 2018 | |
dc.date.issued | 2018-07-19 | |
dc.identifier.uri | https://hdl.handle.net/10630/16312 | |
dc.description.abstract | Este artículo presenta una metodología para estimar la contaminación en carreteras mediante el análisis de secuencias de video de tráfico. El objetivo es aprovechar la gran red de cámaras IP existente en el sistema de carreteras de cualquier estado o país para estimar la contaminación en cada área. Esta propuesta utiliza redes neuronales de aprendizaje profundo para la detección de objetos, y un modelo de estimación de contaminación basado en la frecuencia de vehículos y su velocidad. Los experimentos muestran prometedores resultados que sugieren que el sistema se puede usar en solitario o combinado con los sistemas existentes para medir la contaminación en carreteras. | en_US |
dc.description.sponsorship | Universidad de Málaga. Campus de Excelencia Internacional Andalucía Tech. | en_US |
dc.language.iso | spa | en_US |
dc.rights | info:eu-repo/semantics/openAccess | en_US |
dc.subject | Carreteras - Contaminación - Congresos | en_US |
dc.subject.other | Road pollution | en_US |
dc.subject.other | Neural networks | en_US |
dc.subject.other | Traffic sequences | en_US |
dc.title | Road pollution estimation using static cameras and neural networks | en_US |
dc.type | info:eu-repo/semantics/conferenceObject | en_US |
dc.centro | E.T.S.I. Informática | en_US |
dc.relation.eventtitle | 2018 International Joint Conference on Neural Networks (IJCNN) | en_US |
dc.relation.eventplace | Rio de Janeiro, Brasil | en_US |
dc.relation.eventdate | 9 - 13 Julio de 2018 | en_US |