"Reconocimiento del modelo de vehículo con ensamble de redes neuronales convolucionales."

Abstract

El constante incremento en la creación e implementación de sistemas inteligentes de transporte ha dado lugar al interés por desarrollar nuevos y mejores modelos de reconocimiento de vehículos. Usualmente existen dos enfoques hacia el reconocimiento de vehículos, el reconocimiento de grano grueso, que busca clasificar a los vehículos acorde a su tama˜no o tipo, y el de grano fino, que busca clasificar los vehículos a nivel marca o modelo. En la literatura sobre reconocimiento de vehículos es común encontrar trabajos que realizan esta tarea utilizando sólo un punto de vista de los vehículos, y son escasos los trabajos que se enfocan al problema de múltiple vista. El reconocimiento de vehículos usando múltiples vistas supone ser un problema más desafiante, pero es necesario para extender los límites de los actuales sistemas inteligentes. En este trabajo se propuso un modelo basado en redes neuronales convolucionales de alta eficiencia para resolver el problema de reconocimiento de vehículos de grano fino usando imágenes de múltiples vistas. Se creó un Ensamble de Efficient-Nets que superó los resultados del estado del arte en reconocimiento de vehículos. El modelo propuesto logró una accuracy Top-1 de 94.1% en la base de datos CompCars a nivel modelo y una accuracy Top-1 de 96.67% a nivel marca.