Evaluación empírica de la robustez de diferentes redes neouronales usadas para la detección de objetos.

Autores
Olmedo, Matías; Redolfi, Javier; Gónzales Dondo , Diego; Araguás , Roberto Gastón
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
Existen muchos algoritmos para la detección de objetos en imágenes pero dependiendo de las necesidades computacionales, velocidad de respuesta y condiciones de trabajo, resulta difícil seleccionar el que se ajuste a los requerimientos particulares. En este trabajo se presenta la evaluación de diferentes redes neuronales convoluciones aplicadas a la detección de objetos. Se exploran sus comportamientos bajo diferentes condiciones: cambios en los tamaños de objetos a detectar, en la iluminación y en los ambientes. Se evalúan sus tiempos de cómputo y la posibilidad de su uso en tiempo real. Los resultados demuestran la factibilidad del uso de estas redes para detección de objetos en ambientes industriales pero de los experimentos surgen una serie de conclusiones sobre las condiciones de funcionamiento necesarias para lograr resultados óptimos. Estas están relacionadas con la red a usar dependiendo de la velocidad, las condiciones de iluminación, el tamaño de los objetos y el entorno de trabajo. A futuro, se espera que alguno de estos algoritmos sea utilizado como parte de un sistema de seguridad industrial.
There are many algorithms for object detection in images but depending on the computatio nal needs, response speed and working conditions, it is difficult to select the one that fits the particular requeriments. In this work is presented the evaluation of different convolutional neural networks applied to object detection. Their behaviors under different conditions are explored: changes in the size of object to be detected, in illuminations and in environments. Its computation times and the posibility of his use in real time are evaluated. The results demostrates the feasibility of using these networks for object de tection in industrial environments but from the experiments a series of conclusions about the operating conditions necessary to achieve optimal results arise. These are related to the network to be used depen ding on the speed, illumination conditions, object sizes and work environments. In the future, some of these algorithms are expected to be used as part of an industrial security system
Fil: Olmedo, Matías. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.
Fil: Redolfi, Javier. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.
Fil: González Dondo, Diego. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.
Fil: Aragúas, Roberto Gastón. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.
Materia
Redes neuronales convolucionales
Detección de objetos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-NoDerivatives 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/13563
Acceder
id RIAUTN_4a7b111aa415fa6b746a7176585ac4d7
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/13563
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Evaluación empírica de la robustez de diferentes redes neouronales usadas para la detección de objetos.Olmedo, MatíasRedolfi, JavierGónzales Dondo , DiegoAraguás , Roberto GastónRedes neuronales convolucionalesDetección de objetosExisten muchos algoritmos para la detección de objetos en imágenes pero dependiendo de las necesidades computacionales, velocidad de respuesta y condiciones de trabajo, resulta difícil seleccionar el que se ajuste a los requerimientos particulares. En este trabajo se presenta la evaluación de diferentes redes neuronales convoluciones aplicadas a la detección de objetos. Se exploran sus comportamientos bajo diferentes condiciones: cambios en los tamaños de objetos a detectar, en la iluminación y en los ambientes. Se evalúan sus tiempos de cómputo y la posibilidad de su uso en tiempo real. Los resultados demuestran la factibilidad del uso de estas redes para detección de objetos en ambientes industriales pero de los experimentos surgen una serie de conclusiones sobre las condiciones de funcionamiento necesarias para lograr resultados óptimos. Estas están relacionadas con la red a usar dependiendo de la velocidad, las condiciones de iluminación, el tamaño de los objetos y el entorno de trabajo. A futuro, se espera que alguno de estos algoritmos sea utilizado como parte de un sistema de seguridad industrial.There are many algorithms for object detection in images but depending on the computatio nal needs, response speed and working conditions, it is difficult to select the one that fits the particular requeriments. In this work is presented the evaluation of different convolutional neural networks applied to object detection. Their behaviors under different conditions are explored: changes in the size of object to be detected, in illuminations and in environments. Its computation times and the posibility of his use in real time are evaluated. The results demostrates the feasibility of using these networks for object de tection in industrial environments but from the experiments a series of conclusions about the operating conditions necessary to achieve optimal results arise. These are related to the network to be used depen ding on the speed, illumination conditions, object sizes and work environments. In the future, some of these algorithms are expected to be used as part of an industrial security systemFil: Olmedo, Matías. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.Fil: Redolfi, Javier. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.Fil: González Dondo, Diego. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.Fil: Aragúas, Roberto Gastón. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.Universidad Tecnológica Nacional Regional Córdoba.2025-07-30T18:49:26Z2019info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfMecánica Computacional Vol.XXXVII,2019.https://hdl.handle.net/20.500.12272/13563spaenginfo:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Olmedo, Matías; Redolfi, Javier; González Dondo, Diego; Araguás, Roberto Gastón.https://creativecommons.org/licenses/by-nc-nd/4.0/reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-01T11:57:36Zoai:ria.utn.edu.ar:20.500.12272/13563instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-01 11:57:37.687Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Evaluación empírica de la robustez de diferentes redes neouronales usadas para la detección de objetos.
title Evaluación empírica de la robustez de diferentes redes neouronales usadas para la detección de objetos.
spellingShingle Evaluación empírica de la robustez de diferentes redes neouronales usadas para la detección de objetos.
Olmedo, Matías
Redes neuronales convolucionales
Detección de objetos
title_short Evaluación empírica de la robustez de diferentes redes neouronales usadas para la detección de objetos.
title_full Evaluación empírica de la robustez de diferentes redes neouronales usadas para la detección de objetos.
title_fullStr Evaluación empírica de la robustez de diferentes redes neouronales usadas para la detección de objetos.
title_full_unstemmed Evaluación empírica de la robustez de diferentes redes neouronales usadas para la detección de objetos.
title_sort Evaluación empírica de la robustez de diferentes redes neouronales usadas para la detección de objetos.
dc.creator.none.fl_str_mv Olmedo, Matías
Redolfi, Javier
Gónzales Dondo , Diego
Araguás , Roberto Gastón
author Olmedo, Matías
author_facet Olmedo, Matías
Redolfi, Javier
Gónzales Dondo , Diego
Araguás , Roberto Gastón
author_role author
author2 Redolfi, Javier
Gónzales Dondo , Diego
Araguás , Roberto Gastón
author2_role author
author
author
dc.subject.none.fl_str_mv Redes neuronales convolucionales
Detección de objetos
topic Redes neuronales convolucionales
Detección de objetos
dc.description.none.fl_txt_mv Existen muchos algoritmos para la detección de objetos en imágenes pero dependiendo de las necesidades computacionales, velocidad de respuesta y condiciones de trabajo, resulta difícil seleccionar el que se ajuste a los requerimientos particulares. En este trabajo se presenta la evaluación de diferentes redes neuronales convoluciones aplicadas a la detección de objetos. Se exploran sus comportamientos bajo diferentes condiciones: cambios en los tamaños de objetos a detectar, en la iluminación y en los ambientes. Se evalúan sus tiempos de cómputo y la posibilidad de su uso en tiempo real. Los resultados demuestran la factibilidad del uso de estas redes para detección de objetos en ambientes industriales pero de los experimentos surgen una serie de conclusiones sobre las condiciones de funcionamiento necesarias para lograr resultados óptimos. Estas están relacionadas con la red a usar dependiendo de la velocidad, las condiciones de iluminación, el tamaño de los objetos y el entorno de trabajo. A futuro, se espera que alguno de estos algoritmos sea utilizado como parte de un sistema de seguridad industrial.
There are many algorithms for object detection in images but depending on the computatio nal needs, response speed and working conditions, it is difficult to select the one that fits the particular requeriments. In this work is presented the evaluation of different convolutional neural networks applied to object detection. Their behaviors under different conditions are explored: changes in the size of object to be detected, in illuminations and in environments. Its computation times and the posibility of his use in real time are evaluated. The results demostrates the feasibility of using these networks for object de tection in industrial environments but from the experiments a series of conclusions about the operating conditions necessary to achieve optimal results arise. These are related to the network to be used depen ding on the speed, illumination conditions, object sizes and work environments. In the future, some of these algorithms are expected to be used as part of an industrial security system
Fil: Olmedo, Matías. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.
Fil: Redolfi, Javier. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.
Fil: González Dondo, Diego. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.
Fil: Aragúas, Roberto Gastón. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.
description Existen muchos algoritmos para la detección de objetos en imágenes pero dependiendo de las necesidades computacionales, velocidad de respuesta y condiciones de trabajo, resulta difícil seleccionar el que se ajuste a los requerimientos particulares. En este trabajo se presenta la evaluación de diferentes redes neuronales convoluciones aplicadas a la detección de objetos. Se exploran sus comportamientos bajo diferentes condiciones: cambios en los tamaños de objetos a detectar, en la iluminación y en los ambientes. Se evalúan sus tiempos de cómputo y la posibilidad de su uso en tiempo real. Los resultados demuestran la factibilidad del uso de estas redes para detección de objetos en ambientes industriales pero de los experimentos surgen una serie de conclusiones sobre las condiciones de funcionamiento necesarias para lograr resultados óptimos. Estas están relacionadas con la red a usar dependiendo de la velocidad, las condiciones de iluminación, el tamaño de los objetos y el entorno de trabajo. A futuro, se espera que alguno de estos algoritmos sea utilizado como parte de un sistema de seguridad industrial.
publishDate 2019
dc.date.none.fl_str_mv 2019
2025-07-30T18:49:26Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str acceptedVersion
dc.identifier.none.fl_str_mv Mecánica Computacional Vol.XXXVII,2019.
https://hdl.handle.net/20.500.12272/13563
identifier_str_mv Mecánica Computacional Vol.XXXVII,2019.
url https://hdl.handle.net/20.500.12272/13563
dc.language.none.fl_str_mv spa
eng
language spa
eng
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
Olmedo, Matías; Redolfi, Javier; González Dondo, Diego; Araguás, Roberto Gastón.
https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
Olmedo, Matías; Redolfi, Javier; González Dondo, Diego; Araguás, Roberto Gastón.
https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Tecnológica Nacional Regional Córdoba.
publisher.none.fl_str_mv Universidad Tecnológica Nacional Regional Córdoba.
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877862368415842304
score 13.364332

Publicaciones similares