Detección de objetos utilizando modelos de aprendizaje profundo sobre dispositivos de edge computing

La evolución tecnológica ha permitido la automatización de tareas que antes eran impensables. Los modelos basados en aprendizaje automático han sido utilizados durante décadas, pero es en los últimos años cuando han experimentado un gran auge gracias a la popularización de las GPUs, lo que permite entrenar modelos con grandes cantidades de datos y aumentar su precisión. En la tesis se evalúa la influencia de la complejidad de la red en los resultados, pues no siempre un incremento de la complejidad genera resultados significativamente mejores. Todo depende del problema y los conjuntos de entrenamiento disponibles. Además las redes más complejas tardan más en entrenarse y luego también tardan más en procesar cada imagen para detectar los objetos.

Author dc:creator

• González Lema, Darío

Advisors dc:contributor.advisor

• Usamentiaga Fernández, Rubén
• García Martínez, Daniel Fernando

• Dispositivos de edge computing
• Redes complejas
• Modelos de aprendizaje

Statement dc:rights

• Attribution-NonCommercial-NoDerivatives 4.0 Internacional

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-nd/4.0/

Language dc:language.iso

spa

Handle dc:identifier.uri

https://hdl.handle.net/10651/71812

OAI identifier oai:identifier

oai:digibuo.uniovi.es:10651/71812