Análisis de Algoritmos de Detección de Objetos para la Creación de un Prototipo Basado en la Fusión de Dos Modelos de Reconocimiento

Miguel Angel Quiroz Martinez; Cristhian  Paul Pangay Zambrano; Kevin  Johan Pérez Macías

doi:10.29018/issn.2588-1000vol3iss20.2019pp5-10

Análisis de Algoritmos de Detección de Objetos para la Creación de un Prototipo Basado en la Fusión de Dos Modelos de Reconocimiento

Translated title of the contribution: Analysis of Object Detection Algorithms for the Creation of a Prototype Based on the Fusion of Two Recognition Models

Miguel Angel Quiroz Martinez, Cristhian Paul Pangay Zambrano, Kevin Johan Pérez Macías

Artificial Intelligence and Facial Recognition Research Group (GIIAR)

Research output: Contribution to journal › Article

Abstract

In the present study we show a neural network based deductive experimental methodology for object recognition using CNN. Our goal is to generate a prototype which is based on feature mapping in combination with RPN and proposed log clipping using TNET for 3D detection, given by object recognition models of the KITTI platform ,focusing especially on AVOD and FPOINTNET, obtaining higher accuracy on smaller objects which are easily discarded by the point cloud provided by the 3d LIDAR HDL-64 laser sensor but not by feature mapping.

Translated title of the contribution	Analysis of Object Detection Algorithms for the Creation of a Prototype Based on the Fusion of Two Recognition Models
Original language	Spanish (Ecuador)
Pages (from-to)	5-10
Number of pages	6
Journal	PRO Sciences
Volume	3
Issue number	3
DOIs	https://doi.org/10.29018/issn.2588-1000vol3iss20.2019pp5-10
State	Published - 29 Mar 2019

Keywords

Cnn
Frustun
Kitti
Lidar

CACES Knowledge Areas

116A Computer Science

Access to Document

10.29018/issn.2588-1000vol3iss20.2019pp5-10

Cite this

@article{4a79c87b6adf4039900d486b0cb1cb2d,

title = "An{\'a}lisis de Algoritmos de Detecci{\'o}n de Objetos para la Creaci{\'o}n de un Prototipo Basado en la Fusi{\'o}n de Dos Modelos de Reconocimiento",

abstract = "En el presente estudio se muestra una metodolog{\'i}a experimental deductiva basada en redes neuronales para el reconocimiento de objetos con el uso de CNN. Nuestro objetivo es generar un prototipo el cual est{\'a} basado en un mapa de caracter{\'i}sticas en combinaci{\'o}n con RPN y propuesta de recorte en tronco que usa TNET para la detecci{\'o}n 3D, dado por modelos de reconocimiento de objetos de la plataforma KITTI ,enfocados especialmente en AVOD y FPOINTNET, obteniendo una mayor precisi{\'o}n en objetos m{\'a}s peque{\~n}os que f{\'a}cilmente son descartables por la nube de puntos proporcionados por el sensor laser 3d LIDAR HDL-64 pero no por el mapeado de caracter{\'i}sticas.",

keywords = "Cnn, Frustun, Kitti, Lidar, Cnn, Frustun, Kitti, Lidar",

author = "{Quiroz Martinez}, {Miguel Angel} and {Pangay Zambrano}, {Cristhian Paul} and {P{\'e}rez Mac{\'i}as}, {Kevin Johan}",

year = "2019",

month = mar,

day = "29",

doi = "10.29018/issn.2588-1000vol3iss20.2019pp5-10",

language = "Espa{\~n}ol (Ecuador)",

volume = "3",

pages = "5--10",

journal = "PRO Sciences",

issn = "2588-1000",

number = "3",

}

TY - JOUR

T1 - Análisis de Algoritmos de Detección de Objetos para la Creación de un Prototipo Basado en la Fusión de Dos Modelos de Reconocimiento

AU - Quiroz Martinez, Miguel Angel

AU - Pangay Zambrano, Cristhian Paul

AU - Pérez Macías, Kevin Johan

PY - 2019/3/29

Y1 - 2019/3/29

N2 - En el presente estudio se muestra una metodología experimental deductiva basada en redes neuronales para el reconocimiento de objetos con el uso de CNN. Nuestro objetivo es generar un prototipo el cual está basado en un mapa de características en combinación con RPN y propuesta de recorte en tronco que usa TNET para la detección 3D, dado por modelos de reconocimiento de objetos de la plataforma KITTI ,enfocados especialmente en AVOD y FPOINTNET, obteniendo una mayor precisión en objetos más pequeños que fácilmente son descartables por la nube de puntos proporcionados por el sensor laser 3d LIDAR HDL-64 pero no por el mapeado de características.

AB - En el presente estudio se muestra una metodología experimental deductiva basada en redes neuronales para el reconocimiento de objetos con el uso de CNN. Nuestro objetivo es generar un prototipo el cual está basado en un mapa de características en combinación con RPN y propuesta de recorte en tronco que usa TNET para la detección 3D, dado por modelos de reconocimiento de objetos de la plataforma KITTI ,enfocados especialmente en AVOD y FPOINTNET, obteniendo una mayor precisión en objetos más pequeños que fácilmente son descartables por la nube de puntos proporcionados por el sensor laser 3d LIDAR HDL-64 pero no por el mapeado de características.

KW - Cnn

KW - Frustun

KW - Kitti

KW - Lidar

KW - Cnn

KW - Frustun

KW - Kitti

KW - Lidar

UR - http://www.journalprosciences.com/index.php/ps/article/view/107

U2 - 10.29018/issn.2588-1000vol3iss20.2019pp5-10

DO - 10.29018/issn.2588-1000vol3iss20.2019pp5-10

M3 - Artículo

SN - 2588-1000

VL - 3

SP - 5

EP - 10

JO - PRO Sciences

JF - PRO Sciences

IS - 3

ER -

Análisis de Algoritmos de Detección de Objetos para la Creación de un Prototipo Basado en la Fusión de Dos Modelos de Reconocimiento

Abstract

Keywords

CACES Knowledge Areas

Access to Document

Other files and links

Fingerprint

Cite this