Reconocimiento de comportamiento de conducción distraída utilizando aprendizaje por currículo en una red profunda preentrenada VGG16

dc.contributor.advisorMayhua Lopez, Efrain Tito
dc.contributor.authorLoyola Ayque, Marcelina
dc.date.accessioned2024-04-02T18:37:30Z
dc.date.available2024-04-02T18:37:30Z
dc.date.issued2024
dc.description.abstractLa conducción distraída representa un grave problema de seguridad vial en la actualidad. Los accidentes de tránsito en relación a las distracciones del conductor al momento de manejar un vehículo muestran ´índices alarmantes de accidentes y muertes, esto motiva a la búsqueda e investigación de nuevas estrategias para abordar este problema. En particular, la capacidad de reconocer patrones de conducción distraída de forma temprana y confiable mediante técnicas de inteligencia artificial. Bajo esta premisa, el presente trabajo explora una novedosa solución basada en redes neuronales convolucionales y aprendizaje profundo por currículum. Tras una exhaustiva revisión bibliográfica y un análisis comparativo con otras aproximaciones, se implementó una arquitectura VGG16 preentrenada que luego se optimizó con una base de datos ’State Farm Distracted Driver Detección’. Los resultados alcanzados superan ampliamente otros métodos, con precisiones superiores al 90% en la detección de patrones distractivos mediante el tratamiento de imágenes. Estos hallazgos confirman el enorme potencial de las técnicas de aprendizaje profundo por currículum para el reconocimiento temprano de conductas de riesgo al volante. Como trabajo futuro se plantea aumentar los datos de entrenamiento, evaluar el modelo en plataformas embebidas para vehículos autónomos, e investigar arquitecturas más avanzadas.
dc.description.uriTesis de pregrado
dc.formatapplication/pdf
dc.identifier.other1080819
dc.identifier.urihttps://hdl.handle.net/20.500.12590/18115
dc.language.isospa
dc.publisherUniversidad Católica San Pablo
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/
dc.subjectConducción distraída
dc.subjectSeguridad vial
dc.subjectRedes neuronales convolucionales
dc.subjectAprendizaje profundo
dc.subjectDetección de patrones
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.03
dc.titleReconocimiento de comportamiento de conducción distraída utilizando aprendizaje por currículo en una red profunda preentrenada VGG16
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/publishedVersion
renati.advisor.dni29651270
renati.advisor.orcidhttps://orcid.org/0000-0003-2072-3209
renati.author.dni74698721
renati.discipline712096
renati.jurorLudeña Choez, Jimmy Diestin
renati.jurorChoquehuanca Zevallos, Juan Jose
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería Electrónica y de Telecomunicaciones
thesis.degree.grantorUniversidad Católica San Pablo. Departamento de Ingeniería Electrónica y de Telecomunicaciones
thesis.degree.levelTítulo Profesional
thesis.degree.nameIngeniero Electrónico y de Telecomunicaciones
thesis.degree.programEscuela Profesional Ingeniería Electrónica y de Telecomunicaciones
Files
Original bundle
Now showing 1 - 4 of 4
Loading...
Thumbnail Image
Name:
LOYOLA_AYQUE_MAR_REC.pdf
Size:
5.72 MB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
TURNITIN.pdf
Size:
8.16 MB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
AUTORIZACIÓN.pdf
Size:
793.17 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
ACTA.pdf
Size:
868.39 KB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: