Resumen

MONTENEGRO, Bryan  y  FLORES-CALERO, Marco. Detección de peatones en el día y en la noche usando YOLO-v5. Ingenius [online]. 2022, n.27, pp.85-95. ISSN 1390-860X.  https://doi.org/10.17163/ings.n27.2022.08.

En este artículo se presenta un nuevo algoritmo basado en aprendizaje profundo para la detección de peatones en el día y en la noche, denominada multiespectral, enfocado en aplicaciones de seguridad vehicular. La propuesta se basa en YOLO-v5, y consiste en la construcción de dos subredes que se enfocan en trabajar sobre las imágenes en color (RGB) y térmicas (IR), respectivamente. Luego se fusiona la información, a través, de una subred de fusión que integra las redes RGB e IR, para llegar a un detector de peatones. Los experimentos, destinados a verificar la calidad de la propuesta, fueron desarrollados usando distintas bases de datos públicas de peatones destinadas a su detección en el día y en la noche. Los principales resultados en función de la métrica mAP, estableciendo un IoU en 0.5 son 96.6 % sobre la base de datos INRIA, 89.2 % sobre CVC09, 90.5 % en LSIFIR, 56 % sobre FLIR-ADAS, 79.8 % para CVC14, 72.3 % sobre Nightowls y KAIST un 53.3 %

Palabras clave : infrarrojo; color; multiespectral; peatones; aprendizaje profundo; YOLO-v5.

        · resumen en Inglés     · texto en Español     · Español ( pdf )