OBJECT RECOGNITION FROM VIDEO SEQUENCES IN REAL TIME USING DEEP LEARNING TECHNIQUES
Palabras clave:
Objects Recognition, Deep Learning, Computer VisionResumen
In the field of computer vision, a wide range of applications has been developed for various purposes. Object recognition in images has always been a relevant task in this application domain. Nowadays, new methods have been developed to achieve greater accuracy and efficiency in the process of object detection. In this research, a comparative analysis of the main methods based on deep learning was carried out, which are among the most effective for object detection and classification. It was proposed an implementation based on the YOLO algorithm for object recognition in video sequences, which uses the library for computer vision OpenCV. Experiments designed to validate the proposed solution were performed on two different computation nodes and the results obtained were analyzed according to the main metrics employed to evaluate the performance of object recognition methods.Descargas
Los datos de descargas todavía no están disponibles.
Descargas
Publicado
2021-01-30
Cómo citar
García Cotrina, E., Hernández Duany, O. A., & García Albert, A. (2021). OBJECT RECOGNITION FROM VIDEO SEQUENCES IN REAL TIME USING DEEP LEARNING TECHNIQUES. Telemática, 20(2). Recuperado a partir de https://revistatelematica.cujae.edu.cu/index.php/tele/article/view/459
Número
Sección
Artículos de investigación científica y tecnológica
Licencia
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
- Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo se distribuyen bajo una licencia de uso y distribución "Creative Commons Reconocimiento-NoComercial-SinObraDerivada 3.0 Unported" (CC BY-NC-ND 3.0) Puede consultar desde aquí la versión informativa y el texto legal de la licencia que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
