• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería en Telecomunicaciones
  • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/767
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorAyala Gómez, Nelson Esteban.-
    dc.date.accessioned2022-05-13T21:43:13Z-
    dc.date.available2022-03-16-
    dc.date.available2022-05-13T21:43:13Z-
    dc.date.issued2022-
    dc.identifier.citationAyala Gómez, N. E. (2021). Implementación de un sistema de Cloud Computing basado en Google Cloud Platform para el registro y reconocimiento de personas utilizando Deep Learning [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/767es_CO
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/767-
    dc.descriptionEste trabajo plantea el desarrollo e implementación de un sistema de registro y reconocimiento de personas que permite la detección de usuarios sin contar con la ayuda de terceros. La metodología a utilizar tiene dos fases fundamentales: una etapa de creación del frontend y una ´ de la realización del backend. En la etapa de la creación del frontend se realizar ´ a una aplicación móvil creada tanto para dispositivos Android como para IOS mediante Flutter, desde la cual el administrador podrá controlar las acciones a realizar. Toda la implementaci ´ on backend del proyecto se trabajará como computacion en la nube (Cloud Computing). El algoritmo de detección de rostros se realizará de dos maneras, la primera haciendo uso de inteligencia artificial mediante redes ´ neuronales convolucionales en cascada y la segunda mediante Open CV. Con lo expuesto anteriormente, se tendrá una comparación de resultados la cual entregar a datos para posterior análisis y respectivas conclusiones.es_CO
    dc.description.abstractThis work proposes the development and implementation of a system of registration and recognition of people that allows the detection of users without the help of third parties. The methodology to be used has two main phases: a frontend creation stage and a backend realization stage. In the frontend creation stage, a mobile application will be created for both Android and IOS devices using Flutter, from which the administrator will be able to control the actions to be performed. All the backend implementation of the project will work as Cloud Computing. The face detection algorithm will be done in two ways, the first using artificial intelligence through convolutional neural networks in cascade and the second using Open CV. With the above, we will have a comparison of results which will provide data for further analysis and respective conclusions.es_CO
    dc.format.extent85es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.language.isoeses_CO
    dc.publisherUniversidad de Pamplona – Facultad de Ingenierías y Arquitectura.es_CO
    dc.subjectEl autor no proporciona la información sobre este ítem.es_CO
    dc.titleImplementación de un sistema de Cloud Computing basado en Google Cloud Platform para el registro y reconocimiento de personas utilizando Deep Learning.es_CO
    dc.typehttp://purl.org/coar/resource_type/c_7a1fes_CO
    dc.date.accepted2021-12-16-
    dc.relation.referencesDuran Su ´ arez, J. (2017). Redes neuronales convolucionales en R: Reconocimiento de caracte- ´ res escritos a mano.es_CO
    dc.relation.referencesEl Naqa, I., Murphy, M. J. (2015). What is machine learning?. In machine learning in radiation oncology (pp. 3-11). Springer, Cham.es_CO
    dc.relation.referencesExposito Gallardo, M. D. C., ´ Avila ´ Avila, R. (2008). Aplicaciones de la inteligencia artificial ´ en la Medicina: perspectivas y problemas. Acimed.es_CO
    dc.relation.referencesGoodfellow, I., Bengio, Y., Courville, A. (2016). Deep learning. MIT press.es_CO
    dc.relation.referencesHinestroza Ram´ırez, D. (2018). El Machine Learning a traves de los tiempos, y los aportes a la ´ humanidad (Doctoral dissertation, Universidad Libre Seccional Pereira).es_CO
    dc.relation.referencesIzaurieta, F., Saavedra, C. (2000). Redes neuronales artificiales. Departamento de F´ısica, Universidad de Concepcion Chile.es_CO
    dc.relation.referencesJones, Time (2018) Los lenguajes de la IAes_CO
    dc.relation.referencesJunestrand, S., Passaret, X., VAZQUEZ ALVAREZ, D. A. N. I. E. L. (2004). Domotica y hogar ´ digital. Editorial Paraninfo.es_CO
    dc.relation.referencesLastra Fernandez, Emilio (2018) Usos y aplicaciones de la Inteligencia Artificial en el Marketinges_CO
    dc.relation.referencesLeyva-Vazquez, M., Smarandache, F. (2018). Inteligencia Artificial: retos, perspectivas y papel ´ de la Neutrosof´ıa. Infinite Study.es_CO
    dc.relation.referencesMatich, D. J. (2001). Redes Neuronales: Conceptos basicos y aplicaciones. Universidad Tec- ´ nologica Nacional, M ´ exico, 41.es_CO
    dc.relation.referencesMcCorduck, P., Cfe, C. (2004). Machines who think: A personal inquiry into the history and prospects of artificial intelligence. CRC Press.es_CO
    dc.relation.referencesMuggleton, S. (2014). Alan Turing and the development of Artificial Intelligence. AI communications, 27(1), 3-10.es_CO
    dc.relation.referencesNu´nez S ˜ anchez-Agustino, F. J. (2016). Dise ´ no de un sistema de reconocimiento autom ˜ atico de ´ matr´ıculas de veh´ıculos mediante una red neuronal convolucional.es_CO
    dc.relation.referencesRich, E., Knight, K., Calero, P. A. G., Bodega, F. T. (1994). Inteligencia artificial (Vol. 1). McGraw-Hill.es_CO
    dc.relation.referencesRoman Victor Introduccion al Machine Learning: Una Gu ´ ´ıa Desde Cero, 2019es_CO
    dc.relation.referencesSOTO, C., JIMENEZ, C. (2011). Aprendizaje supervisado para la discriminaci ´ on y clasifica- ´ cion difusa. Dyna, 78(169), 26-33.es_CO
    dc.relation.referencesTello, J. C., Informaticos, S. (2007). Reconocimiento de patrones y el aprendizaje no supervi- ´ sado. Universidad de Alcala, Madrid.es_CO
    dc.relation.referencesYan, L. C., Yoshua, B., Geoffrey, H. (2015). Deep learning. nature, 521(7553), 436-444.es_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Ingeniería en Telecomunicaciones

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Ayala_2021_TG.pdfAyala_2021_TG5,83 MBAdobe PDFVisualizar/Abrir


    Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.