Resumen

ESPINOSA-OVIEDO, Jorge Ernesto; VELASTIN, Sergio A.  y  BRANCH-BEDOYA, John William. EspiNet V2: un modelo basado en regiones de aprendizaje profundo para detectar motocicletas en escenarios urbanos. Dyna rev.fac.nac.minas [online]. 2019, vol.86, n.211, pp.317-326. ISSN 0012-7353.  https://doi.org/10.15446/dyna.v86n211.81639.

Este artículo presenta "EspiNet V2", un modelo de aprendizaje profundo, fundamentado en el detector basado regiones Faster R-CNN. El modelo es usado para la detección de motocicletas en entornos urbanos, donde se presenta algún nivel de oclusión. Para el entrenamiento de dicho modelo, se utilizaron dos conjuntos de datos: el conjunto de datos de motocicletas urbanas (UMD-10K) que cuenta con 10,000 imágenes anotadas, y el nuevo conjunto de datos de motos de la Secretaría de Movilidad (SMMD), con 5,000 imágenes capturadas obtenidas del Sistema CCTV de Control de Tráfico de la ciudad de Medellín (Colombia). Los resultados obtenidos en el conjunto de datos UMD-10K alcanzan el 88.8% en precisión promedio (AP), incluso con niveles de oclusión de un 60 %, utilizando imágenes capturadas desde un ángulo bajo y desde una cámara en movimiento. Por otro lado se alcanza un AP de 79.5 % para conjunto de datos de motos de la Secretaría de Movilidad (SMMD). EspiNet V2 supera modelos populares como YOLO V3 y Faster R-CNN (basado en VGG16), siendo estos entrenados de extremo a extremo utilizando los conjuntos de datos mencionados.

Palabras clave : detección de vehículos; detección de motocicletas; Faster R-CNN; detectores basados en regiones; redes neuronales convolucionales; aprendizaje profundo.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )