Detección de accidentes de tráfico en tiempo real mediante redes neuronales convolucionales
Autor/es: Neira Voces, Pablo
![Autoridad de la Universidad Europea Autoridad de la Universidad Europea](/themes/Mirage2/images/autoridades/logoE_negro.png)
Director/es: Ramírez Lizán, Carlos
Palabra/s clave: Inteligencia artificial; Detección de objetos en tiempo real; Redes neuronales; Accidente; Demora en la atención sanitaria
Fecha de defensa: 2022-06
Tipo de contenido:
TFG
Resumen:
Los accidentes de tráfico suponen una de las principales causas de muerte a nivel mundial. Sobre esto, gobiernos estatales y autoridades sanitarias han reflexionado en múltiples ocasiones intentando prevenir esta problemática. No obstante, las mejoras son leves, si es que existen.
En este contexto, este proyecto pretende orientar el problema desde un enfoque revolucionario basado en disminuir los daños ocasionados por los accidentes de tráfico, ya que, se considera que la prevención de los mismos es una labor complicada. Además, los proyectos con este foco no están generando resultados. Por este motivo, se han empleado las tecnologías que ofrece la inteligencia artificial con el objetivo de lograr identificar de forma automática y en tiempo real los accidentes de tráfico. Para ello, se ha aplicado la detección de objetos, basada en el aprendizaje profundo para entrenar una red neuronal que lleve a cabo esta funcionalidad.
Todo esto pretende emplearse con el fin de reducir los tiempos de espera de atención sanitaria a las víctimas de accidentes de tráfico. De esta forma, con total seguridad se reducirá el impacto mortal de los mismos, considerando que la consecución de estos sucesos es inevitable.
Ficheros en el ítem
Nombre: tfg_neiravocespablo.pdf
Tamaño: 12.39Mb
Formato: PDF
Tipo de contenido:
TFG