Loading...
Please wait, while we are loading the content...
Similar Documents
Plataforma de evaluación de algoritmos de reconocimiento de caracteres numéricos en imágenes digitales.
| Content Provider | Semantic Scholar |
|---|---|
| Author | Guadalupe, Arias Ileana, Janeth |
| Copyright Year | 2017 |
| Abstract | La investigacion tuvo como objetivo evaluar las tecnicas de reconocimiento de digitos en imagenes: K-Nearest Neighbor (KNN), TESSERACT y Redes Neuronales Artificiales (RNA); lo que permitio determinar la tecnica con mayor nivel de precision que podra ser utilizada en diferentes aplicaciones de vision artificial. Se planteo la hipotesis de investigacion “La seleccion adecuada de la tecnica de reconocimiento de caracteres numericos en imagenes digitales permitira determinar la tecnica con el mayor grado de precision y minimizar el consumo de recursos en computadores SBC”. Se utilizo la prueba no parametrica de Kruskal-Wallis en la comparacion del grado de precision de las tecnicas con un nivel de confianza del 95%. Los indicadores que se utilizaron son: grado de precision, tiempo empleado para el reconocimiento, cantidad de memoria ram y nivel de uso del CPU. Se utilizo una muestra ponderada de 30 fotografias tomadas a medidores de energia electrica de la ciudadela Las Acacias de la ciudad de Riobamba. De acuerdo a los resultados de las pruebas estadisticas se determino que la tecnica de reconocimiento con mayor grado de precision fue KNN alcanzando un promedio de 49,33% frente a 29,833% y 22,00% de TESSERACT y RNA respectivamente. El tiempo promedio empleado por KNN para el reconocimiento fue de 1,22 segundos, en promedio se utilizo 15,7 megabytes de memoria ram y 11,64% de uso del CPU. Se utilizo OpenCV, Python y C++ bajo la distribucion Raspbian de Linux para evaluar cada una de las tecnicas seleccionadas. Se recomienda profundizar en el estudio de la tecnica KNN enfocadas a diferentes aplicaciones de vision artificial en la industria, asi como evaluar nuevas tecnicas de reconocimiento de patrones como SVM, Deep Learning y Aprendizaje no Supervisado, que se han convertido en campos de investigacion activos en muchas universidades del mundo. |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | http://dspace.espoch.edu.ec/bitstream/123456789/6158/1/20T00812.pdf |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
