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.author | Ayala Gómez, Nelson Esteban. | - |
dc.date.accessioned | 2022-05-13T21:43:13Z | - |
dc.date.available | 2022-03-16 | - |
dc.date.available | 2022-05-13T21:43:13Z | - |
dc.date.issued | 2022 | - |
dc.identifier.citation | Ayala 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/20.500.12744/767 | es_CO |
dc.identifier.uri | http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/767 | - |
dc.description | Este 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.abstract | This 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.extent | 85 | es_CO |
dc.format.mimetype | application/pdf | es_CO |
dc.language.iso | es | es_CO |
dc.publisher | Universidad de Pamplona – Facultad de Ingenierías y Arquitectura. | es_CO |
dc.subject | El autor no proporciona la información sobre este ítem. | es_CO |
dc.title | Implementación de un sistema de Cloud Computing basado en Google Cloud Platform para el registro y reconocimiento de personas utilizando Deep Learning. | es_CO |
dc.type | http://purl.org/coar/resource_type/c_7a1f | es_CO |
dc.date.accepted | 2021-12-16 | - |
dc.relation.references | Duran Su ´ arez, J. (2017). Redes neuronales convolucionales en R: Reconocimiento de caracte- ´ res escritos a mano. | es_CO |
dc.relation.references | El 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.references | Exposito Gallardo, M. D. C., ´ Avila ´ Avila, R. (2008). Aplicaciones de la inteligencia artificial ´ en la Medicina: perspectivas y problemas. Acimed. | es_CO |
dc.relation.references | Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep learning. MIT press. | es_CO |
dc.relation.references | Hinestroza 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.references | Izaurieta, F., Saavedra, C. (2000). Redes neuronales artificiales. Departamento de F´ısica, Universidad de Concepcion Chile. | es_CO |
dc.relation.references | Jones, Time (2018) Los lenguajes de la IA | es_CO |
dc.relation.references | Junestrand, S., Passaret, X., VAZQUEZ ALVAREZ, D. A. N. I. E. L. (2004). Domotica y hogar ´ digital. Editorial Paraninfo. | es_CO |
dc.relation.references | Lastra Fernandez, Emilio (2018) Usos y aplicaciones de la Inteligencia Artificial en el Marketing | es_CO |
dc.relation.references | Leyva-Vazquez, M., Smarandache, F. (2018). Inteligencia Artificial: retos, perspectivas y papel ´ de la Neutrosof´ıa. Infinite Study. | es_CO |
dc.relation.references | Matich, D. J. (2001). Redes Neuronales: Conceptos basicos y aplicaciones. Universidad Tec- ´ nologica Nacional, M ´ exico, 41. | es_CO |
dc.relation.references | McCorduck, P., Cfe, C. (2004). Machines who think: A personal inquiry into the history and prospects of artificial intelligence. CRC Press. | es_CO |
dc.relation.references | Muggleton, S. (2014). Alan Turing and the development of Artificial Intelligence. AI communications, 27(1), 3-10. | es_CO |
dc.relation.references | Nu´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.references | Rich, E., Knight, K., Calero, P. A. G., Bodega, F. T. (1994). Inteligencia artificial (Vol. 1). McGraw-Hill. | es_CO |
dc.relation.references | Roman Victor Introduccion al Machine Learning: Una Gu ´ ´ıa Desde Cero, 2019 | es_CO |
dc.relation.references | SOTO, C., JIMENEZ, C. (2011). Aprendizaje supervisado para la discriminaci ´ on y clasifica- ´ cion difusa. Dyna, 78(169), 26-33. | es_CO |
dc.relation.references | Tello, J. C., Informaticos, S. (2007). Reconocimiento de patrones y el aprendizaje no supervi- ´ sado. Universidad de Alcala, Madrid. | es_CO |
dc.relation.references | Yan, L. C., Yoshua, B., Geoffrey, H. (2015). Deep learning. nature, 521(7553), 436-444. | es_CO |
dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | es_CO |
dc.type.coarversion | http://purl.org/coar/resource_type/c_2df8fbb1 | es_CO |
Aparece en las colecciones: | Ingeniería en Telecomunicaciones |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Ayala_2021_TG.pdf | Ayala_2021_TG | 5,83 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.