El presente repositorio corresponde al backend del proyecto de deep learning para la materia de Miner铆a de Datos - UCE
El proyecto est谩 orientado en la construcci贸n de un sistema que permita detectar motociclistas sin casco, de esta manera se extrae fragmentos de videos con dicha evidencia, adem谩s, de estad铆sticas que representan las horas y las c谩maras con mayor afluencia de motorizados que inclumplan con esta normativa. Los pesos del mdoelo no son almancenados en este repositorio, si desea m谩s informaci贸n contactar con nosostros.
Para realizar el proyecto implica la manipulaci贸n de un modelo pre-entrenado, en este caso correspondiente a YOLO V7 y con un dataset con alrededor de 1200 im谩genes etiquetadas usando la herramienta de Roboflow. Las 茅pocas usadas para el entrenamiento fueron de 100. Para m谩s detalle ir a la secci贸n de Arquitectura
Se debe de considerar que la implementaci贸n es con YOLO, pero comparamos con varios modelos para seleccionar el adecuado, uno de ellos consiste en uno realizado desde el inicio con Tensorflow.
A contunuaci贸n las herrameintas completas usadas:
- Java 11
- Maven
- JWT
- JavaScript
- Docker
- Nginx
- Amazon S3
- CDN Cloudfront
- VPN
- YOLOv7
- Python
- PostgreSQL
- Roboflow
- YOLO v7
- C谩mara IP Tapo
- COLAB con suscripci贸n pro para el entrenamiento
- ARGOS - CLIENT
Matr铆z de confusi贸n para 100 茅pocas de entrenamiento
En la siguiente secci贸n se muestran ejemplos de la detecci贸n desde el cliente ARGOS
Login de acceso, por el momento el servicio no est谩 disponible
