Mostrar el registro sencillo del ítem

dc.contributor.authorBenito Picazo, Jesús
dc.contributor.authorThurnhofer Hemsi, Karl
dc.contributor.authorMolina-Cabello, Miguel Angel
dc.contributor.authorDomínguez, Enrique
dc.date.accessioned2018-11-08T13:08:42Z
dc.date.available2018-11-08T13:08:42Z
dc.date.issued2018-11-08
dc.identifier.urihttps://hdl.handle.net/10630/16817
dc.description.abstractMuchas aplicaciones en visión por computador necesitan de sistemas de detección precisos y eficientes. Esta demanda coincide con el auge de la aplicación de técnicas de aprendizaje profundo en casi todos las áreas del aprendizaje máquina y la visión artificial. Este trabajo presenta un estudio que engloba diferentes sistemas de detección basados en aprendizaje profundo proporcionando una comparativa unificada entre distintos marcos de trabajo con el objetivo de realizar una comparación técnica de las medidas de rendimiento de los métodos estudiados.en_US
dc.description.sponsorshipUniversidad de Málaga. Campus de Excelencia Internacional Andalucía Tech.en_US
dc.language.isospaen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectRedes neuronales (Informática)en_US
dc.subject.otherDetección de objetosen_US
dc.subject.otherAprendizaje profundoen_US
dc.subject.otherRedes neuronales convolucionalesen_US
dc.titleComparación de marcos de trabajo de Aprendizaje Profundo para la detección de objetosen_US
dc.typeinfo:eu-repo/semantics/conferenceObjecten_US
dc.centroE.T.S.I. Informáticaen_US
dc.relation.eventtitleCAEPIA 2018en_US
dc.relation.eventplaceGranadaen_US
dc.relation.eventdateOctubre 2018en_US


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem