Tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial en el laboratorio de fabricación digital

La detección de objetos y personas en imágenes es una tarea fundamental en el campo de la visión por computadora, y ha sido objeto de intenso estudio en los últimos años. Con la inteligencia artificial, esta tarea se ha vuelto aún más sofisticada y eficiente, gracias al desarrollo de algoritmos y mo...

Full description

Autores:
Marín Balseca, Adrián Alberto
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad Francisco de Paula Santander
Repositorio:
Repositorio Digital UFPS
Idioma:
spa
OAI Identifier:
oai:repositorio.ufps.edu.co:ufps/9428
Acceso en línea:
https://repositorio.ufps.edu.co/handle/ufps/9428
Palabra clave:
IA
CNN
Deteccion
Tratamiento
Imagenes
Rights
openAccess
License
Derechos Reservados - Universidad Francisco de Paula Santander
id RUFPS2_28a6fd26ee7b35c59eef4a7cfe4a3c9f
oai_identifier_str oai:repositorio.ufps.edu.co:ufps/9428
network_acronym_str RUFPS2
network_name_str Repositorio Digital UFPS
repository_id_str
dc.title.spa.fl_str_mv Tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial en el laboratorio de fabricación digital
title Tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial en el laboratorio de fabricación digital
spellingShingle Tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial en el laboratorio de fabricación digital
IA
CNN
Deteccion
Tratamiento
Imagenes
title_short Tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial en el laboratorio de fabricación digital
title_full Tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial en el laboratorio de fabricación digital
title_fullStr Tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial en el laboratorio de fabricación digital
title_full_unstemmed Tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial en el laboratorio de fabricación digital
title_sort Tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial en el laboratorio de fabricación digital
dc.creator.fl_str_mv Marín Balseca, Adrián Alberto
dc.contributor.advisor.none.fl_str_mv Tarazona Anteliz, Julián Orlando
Herrera Cáceres, Matias
dc.contributor.author.none.fl_str_mv Marín Balseca, Adrián Alberto
dc.contributor.corporatename.spa.fl_str_mv Universidad Francisco de Paula Santander
dc.contributor.jury.none.fl_str_mv García Bermúdez, Marco Aurelio
Castro Casadiego, Sergio Alexander
Castro Casadiego, Sergio Alexander
dc.subject.proposal.spa.fl_str_mv IA
CNN
Deteccion
Tratamiento
Imagenes
topic IA
CNN
Deteccion
Tratamiento
Imagenes
description La detección de objetos y personas en imágenes es una tarea fundamental en el campo de la visión por computadora, y ha sido objeto de intenso estudio en los últimos años. Con la inteligencia artificial, esta tarea se ha vuelto aún más sofisticada y eficiente, gracias al desarrollo de algoritmos y modelos de aprendizaje profundo capaces de analizar y procesar grandes cantidades de datos, incluyendo imágenes. En el contexto de la detección de objetos y personas en imágenes, la inteligencia artificial ha dado lugar a una nueva disciplina conocida como "tratamiento de imágenes". Este proceso implica la aplicación de algoritmos y modelos de aprendizaje profundo a imágenes digitales para identificar, clasificar y rastrear objetos y personas. El tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial es una técnica cada vez más relevante en diversas aplicaciones, como la seguridad, la vigilancia, el comercio electrónico, la automatización de fábricas, la conducción autónoma, y muchas otras. En el ámbito de la seguridad y la vigilancia, el tratamiento de imágenes con inteligencia artificial permite la detección de personas sospechosas, la identificación de objetos peligrosos, y el seguimiento de movimientos anómalos en áreas de alto riesgo. Según un estudio del IEEE, la aplicación de técnicas de aprendizaje profundo en el tratamiento de imágenes ha aumentado la precisión y la velocidad en la detección de objetos y personas, lo que ha mejorado la eficiencia y la eficacia en la vigilancia y la seguridad [1]. En el comercio electrónico, esta técnica facilita la búsqueda y el reconocimiento de productos, mejorando la experiencia del usuario y aumentando la eficiencia de los procesos de venta y compra. Según un estudio del IEEE, el uso de redes neuronales convolucionales (CNN) en el tratamiento de imágenes a 11 mejorado la precisión y la velocidad en la detección y clasificación de productos en el comercio electrónico.
publishDate 2024
dc.date.issued.none.fl_str_mv 2024
dc.date.accessioned.none.fl_str_mv 2025-04-25T15:34:19Z
dc.date.available.none.fl_str_mv 2025-04-25T15:34:19Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/TP
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.ufps.edu.co/handle/ufps/9428
dc.identifier.local.none.fl_str_mv TIE V00066/2024
url https://repositorio.ufps.edu.co/handle/ufps/9428
identifier_str_mv TIE V00066/2024
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.eng.fl_str_mv Derechos Reservados - Universidad Francisco de Paula Santander
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
rights_invalid_str_mv Derechos Reservados - Universidad Francisco de Paula Santander
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 89 páginas. ilustraciones, (Trabajo completo) 4.977 KB
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Francisco de Paula Santander
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.place.spa.fl_str_mv San José de Cúcuta
dc.publisher.program.spa.fl_str_mv Ingeniería Electrónica
dc.source.spa.fl_str_mv https://catalogobiblioteca.ufps.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=61163
institution Universidad Francisco de Paula Santander
bitstream.url.fl_str_mv https://repositorio.ufps.edu.co/bitstreams/ae90e792-00bb-4efb-acfa-f664b3b8bf3c/download
https://repositorio.ufps.edu.co/bitstreams/a7b94c0c-2cc2-4270-b01d-0f6246379fea/download
https://repositorio.ufps.edu.co/bitstreams/66f25382-4062-4d55-85e6-5c2a3337f44c/download
https://repositorio.ufps.edu.co/bitstreams/f1efd6cc-f8b0-4268-87d8-5b6da78d7d30/download
bitstream.checksum.fl_str_mv 28cf2fa846492e2cbc60d9307a565d1e
2f9959eaf5b71fae44bbf9ec84150c7a
13f3aefd080edd157924ccd212c5b1c8
4126bbd1563469fc67c87ab308114840
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Francisco de Paula Santander
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1851059485697638400
spelling Tarazona Anteliz, Julián OrlandoHerrera Cáceres, MatiasMarín Balseca, Adrián AlbertoUniversidad Francisco de Paula SantanderGarcía Bermúdez, Marco AurelioCastro Casadiego, Sergio AlexanderCastro Casadiego, Sergio Alexandervirtual::2348-12025-04-25T15:34:19Z2025-04-25T15:34:19Z2024https://repositorio.ufps.edu.co/handle/ufps/9428TIE V00066/2024La detección de objetos y personas en imágenes es una tarea fundamental en el campo de la visión por computadora, y ha sido objeto de intenso estudio en los últimos años. Con la inteligencia artificial, esta tarea se ha vuelto aún más sofisticada y eficiente, gracias al desarrollo de algoritmos y modelos de aprendizaje profundo capaces de analizar y procesar grandes cantidades de datos, incluyendo imágenes. En el contexto de la detección de objetos y personas en imágenes, la inteligencia artificial ha dado lugar a una nueva disciplina conocida como "tratamiento de imágenes". Este proceso implica la aplicación de algoritmos y modelos de aprendizaje profundo a imágenes digitales para identificar, clasificar y rastrear objetos y personas. El tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial es una técnica cada vez más relevante en diversas aplicaciones, como la seguridad, la vigilancia, el comercio electrónico, la automatización de fábricas, la conducción autónoma, y muchas otras. En el ámbito de la seguridad y la vigilancia, el tratamiento de imágenes con inteligencia artificial permite la detección de personas sospechosas, la identificación de objetos peligrosos, y el seguimiento de movimientos anómalos en áreas de alto riesgo. Según un estudio del IEEE, la aplicación de técnicas de aprendizaje profundo en el tratamiento de imágenes ha aumentado la precisión y la velocidad en la detección de objetos y personas, lo que ha mejorado la eficiencia y la eficacia en la vigilancia y la seguridad [1]. En el comercio electrónico, esta técnica facilita la búsqueda y el reconocimiento de productos, mejorando la experiencia del usuario y aumentando la eficiencia de los procesos de venta y compra. Según un estudio del IEEE, el uso de redes neuronales convolucionales (CNN) en el tratamiento de imágenes a 11 mejorado la precisión y la velocidad en la detección y clasificación de productos en el comercio electrónico.Tabla de Contenido Introducción ............................................................................................................................. 10 1. Descripción Del Problema ................................................................................................ 12 1.1 Planteamiento Del Problema.......................................................................................... 13 1.2 Justificación.................................................................................................................... 14 1.2.1 Beneficios Tecnológicos......................................................................................... 16 1.2.2 Beneficios Sociales ................................................................................................. 17 1.2.3 Beneficios Económicos........................................................................................... 19 1.2.4 Beneficios Institucionales ....................................................................................... 20 1.3 Alcances......................................................................................................................... 21 1.3.1 Tipo Proyecto.......................................................................................................... 23 1.3.2 Resultados Esperados.............................................................................................. 25 1.3.3 Resultado Directos.................................................................................................. 26 1.3.4 Resultado Indirectos................................................................................................ 28 1.4 Limitaciones................................................................................................................... 30 1.5 Delimitaciones .......................................................................................................... 30 1.6 Delimitación De Tiempo........................................................................................... 31 1.7 Delimitación de espacio............................................................................................ 31 2. Objetivos.............................................................................................................................. 32 2.1 Objetivo General ............................................................................................................ 32 Pág 2.2 Objetivos Específicos..................................................................................................... 32 3. Marco Referencial................................................................................................................ 33 3.1 Antecedentes.................................................................................................................. 33 3.2 Tratamiento de imágenes ............................................................................................... 43 3.2.1 Redes Neuronales Convolucionales........................................................................ 44 3.2.2 Inteligencia Artificial .............................................................................................. 46 3.2.3 Software Libre......................................................................................................... 47 3.3 Marco Legal ................................................................................................................... 48 3.3.1 Uso De Los Servicios Ultralytics HUB .................................................................. 48 3.3.2 Gestión de Datos..................................................................................................... 49 4. Diseño Metodológico........................................................................................................... 50 4.1 Tipo De Metodología ..................................................................................................... 50 4.2 Realizar Un Tratamiento De Imágenes Para La Detección De Objetos Y Personas Con Inteligencia Artificial Para El Laboratorio De Fabricación Digital.......................................... 50 4.3 Recopilar Información Acerca Del Tratamiento De Imágenes Para La Detección De Objetos Y Personas Con Inteligencia Artificial........................................................................ 51 4.4 Desarrollar El Algoritmo Basado En Inteligencia Artificial Para La Detección De Objetos Y Personas Usando Software Libre............................................................................. 52 4.5 Realizar Pruebas De Funcionamiento Y Desarrollar La Evaluación Del Sistema De Detección De Objetos Y Personas Con El Algoritmo Basado En Inteligencia Artificial. ....... 53 4.6 Divulgar Ante La Comunidad Académica De La Universidad Francisco De Paula Santander Los Resultados Obtenidos Con La Realización De Esta Pasantía........................... 53 4.7 Técnicas de Recolección de Datos............................................................................. 54 4.8 Técnicas De Análisis De La Información .................................................................. 55 5. Resultados............................................................................................................................ 58 5.1 Plataforma De Software ................................................................................................. 59 5.2 Selección Ide .................................................................................................................. 59 5.3 Selección De Lenguaje................................................................................................... 61 5.4 Selección Del Motor ...................................................................................................... 62 5.5 El Motor......................................................................................................................... 64 5.6 Plataforma De Hardware C++........................................................................................ 66 5.7 Requerimientos De La Estructura De Datos.................................................................. 68 5.7.1 Estructura De Los Datos Fuente ............................................................................. 69 5.8 Nivel De Abstracción..................................................................................................... 71 5.9 Procesamiento Y Adecuación De Los Datos Fuente ..................................................... 73 6. Conclusiones........................................................................................................................ 75 Eficiencia En La Detección.................................................................................................. 75 Mejora En La Seguridad ...................................................................................................... 75 Facilitación De La Automatización ..................................................................................... 75 Desarrollo De Nuevas Aplicaciones .................................................................................... 75 Desafíos Y Futuro ................................................................................................................ 76 7. Recomendaciones................................................................................................................. 76 REFERENCIAS....................................................................................................................... 81PregradoIngeniero(a) Electrónico(a)89 páginas. ilustraciones, (Trabajo completo) 4.977 KBapplication/pdfspaUniversidad Francisco de Paula SantanderFacultad de IngenieríaSan José de CúcutaIngeniería ElectrónicaDerechos Reservados - Universidad Francisco de Paula Santanderinfo:eu-repo/semantics/openAccessAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)http://purl.org/coar/access_right/c_abf2https://catalogobiblioteca.ufps.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=61163Tratamiento de imágenes para la detección de objetos y personas con inteligencia artificial en el laboratorio de fabricación digitalTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85IACNNDeteccionTratamientoImagenesZ. Zhang, et al., "Deep learning for object detection in video surveillance: A review," IEEE Transactions on Circuits and Systems for Video Technology, vol. 28, no. 12, pp. 2813-2829, Dec. 2018H. Li, et al., "Deep learning for product search in e-commerce: A review," IEEE Transactions on Multimedia, vol. 21, no. 1, pp. 1-18, Jan. 2019Y. Zhang, et al., "Deep learning for quality inspection in manufacturing: A review," IEEE Transactions on Industrial Informatics, vol. 15, no. 2, pp. 1115-1125, Apr. 2019.X. Liu, et al., "Deep learning for object detection in autonomous driving: A review," IEEE Transactions on Intelligent Transportation Systems, vol. 21, no. 4, pp. 1906-1919, Apr. 2020R. Jain and P. Kaur, "Object Detection and Tracking in Manufacturing using Deep Learning: A Survey," IEEE Access, vol. 9, pp. 48547-48570, 2021.Deloitte, "AI in Manufacturing: The Next Frontier," 2020. [Online]. Available: https://www2.deloitte.com/content/dam/Deloitte/us/Documents/manufacturing/us-ai-inmanufacturing-the-next-frontier.pdf.D. Tabernik, S. Šela, J. Skvarč and D. Skočaj, "Segmentation-based deep-learning approach for surface-defect detection," Journal of Intelligent Manufacturing, vol. 31, pp. 759–776, 2020.International Labour Organization, "Safety and Health at Work," 2021. [Online]. Available: https://www.ilo.org/global/topics/safety-and-health-at-work/lang-- en/index.htm.G. Kang et al., "Pedestrian Detection and Tracking for Industrial Safety using Deep Learning," IEEE Access, vol. 9, pp. 36820-36828, 2021.McKinsey & Company, "Artificial intelligence in manufacturing and production," 2021. [Online]. Available: https://www.mckinsey.com/business-functions/operations/ourinsights/artificial-intelligence-in-manufacturing-and-production.J. Wang, Y. Ma, L. Zhang, R. X. Gao and D. Wu, "Deep learning for smart manufacturing: Methods and applications," Journal of Manufacturing Systems, vol. 48, pp. 144-156, 2018.J. Wang, Y. Ma, L. Zhang, R. X. Gao and D. Wu, "Deep learning for smart manufacturing: Methods and applications," Journal of Manufacturing Systems, vol. 48, pp. 144-156, 2018.¿Qué es la visión artificial? - Explicación de la IA ... - Amazon AWS. https://aws.amazon.com/es/what-is/computer-vision/Metodología BIM en el reconocimiento de imágenes mediante ... - ATECYR. https://www.atecyr.org/blog/2021/11/11/metodologia-bim-en-el-reconocimiento-deimagenes-mediante-inteligencia-artificial-por-jose-miguel-luna/Guía de Iniciación a la Detección de Objetos Para Proyectos de Computer Vision. https://www.datasmarts.net/guia-de-iniciacion-a-la-deteccion-de-objetos-para-proyectosde-computer-vision/Reconocimiento de imágenes: tecnología avanzada para analizar .... https://prompt.uno/vision-por-computadora/reconocimiento-de-imagenes/K. He, G. Gkioxari, P. Dollár and R. Girshick, "Mask R-CNN," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 42, no. 2, pp. 386-397, Feb. 2020K. He, G. Gkioxari, P. Dollár and R. Girshick, "Mask R-CNN," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 43, no. 2, pp. 386-397, Feb. 2020.McKinsey & Company, "Artificial intelligence in manufacturing and production," 2021. [Online]. Available: https://www.mckinsey.com/business-functions/operations/ourinsights/artificial-intelligence-in-manufacturing-and-productionArcure, "Blaxtair®: Proximity detection camera for pedestrians in industry," Blaxtair by Arcure, 2023. [Online]. Available: https://blaxtair.com/en/products/blaxtair-pedestrianobstacle-detection-cameraD. Tabernik, S. Šela, J. Skvarč, and D. Skočaj, "Segmentation-based deep-learning approach for surface-defect detection," Journal of Intelligent Manufacturing, vol. 31, no. 3, pp. 759-776, 2020.G. Kang et al., "Pedestrian Detection and Tracking for Industrial Safety using Deep Learning," IEEE Access, vol. 9, pp. 36820-36828, 2021.F. Tao, H. Zhang, A. Liu, and A. Y. C. Nee, "Digital Twin in Industry: State-of-the-Art," IEEE Transactions on Industrial Informatics, vol. 15, no. 4, pp. 2405-2415, 2019.Y. Lu, "Industry 4.0: A survey on technologies, applications and open research issues," Journal of Industrial Information Integration, vol. 6, pp. 1-10, 2017.Reconocimiento de objetos con inteligencia artificial y robótica. https://edimar.com/reconocimiento-de-objetos-con-inteligencia-artificial-y-roboticaTratamiento de imágenes con Inteligencia Artificial - Interdigital.es. https://interdigital.es/blog/tratamiento-de-imagenes-con-inteligencia-artificial/[PDF] Sistema de conteo y seguimiento de personas a partir de visión por .... https://repository.javeriana.edu.co/bitstream/handle/10554/62050/312-attachment1641172034.pdf?sequence=1Reconocimiento de imágenes: tecnología avanzada para analizar .... https://prompt.uno/vision-por-computadora/reconocimiento-de-imagenes/Visión artificial: aplicaciones de IA Google Cloud. https://cloud.google.com/vision?hl=es419Reconocimiento de imágenes: tecnología avanzada para analizar .... https://prompt.uno/vision-por-computadora/reconocimiento-de-imagenes/Detección de Objetos con Python - Aprende Machine Learning. https://www.aprendemachinelearning.com/deteccion-de-objetos-con-python-yolo-kerastutorial/Inteligencia artificial en la industria 4.0: Aplicaciones y beneficios. https://www.ennomotive.com/es/inteligencia-artificial-en-la-industria-4-0-aplicaciones-ybeneficios/Jurio, M. Pagola, M. Galar, C. Lopez-Molina, y D. Paternain, "A Comparison Study of Different Color Spaces in Clustering Based Image Segmentation," en Information Processing and Management of Uncertainty in Knowledge-Based Systems, vol. 81, Springer, 2010, pp. 55-64. doi: 10.1007/978-3-642-14058-7_55.Guía de Iniciación a la Detección de Objetos Para Proyectos de Computer Vision. https://www.datasmarts.net/guia-de-iniciacion-a-la-deteccion-de-objetos-para-proyectosde-computer-vision/Detección de objetos en imágenes utilizando técnicas de aprendizaje profundo (DeepLearning). https://biblus.us.es/bibing/proyectos/abreproy/93729/fichero/TFG3729%2BEST%C3%89VEZ%2BTRIGO,%2BDANIEL.pdfCómo la detección de objetos definidos por el usuario cambiará las reglas del juego en la videovigilancia - Hanwha Vision Europe Limited. https://hanwhavision.eu/es/como-ladeteccion-de-objetos-definidos-por-el-usuario-cambiara-las-reglas-del-juego-en-lavideovigilancia/KurtGokhan, “vscode-latex-template/IEEEtran.bst at master · KurtGokhan/vscode-latextemplate,” GitHub, 2019. https://github.com/KurtGokhan/vscode-latextemplate/blob/master/IEEEtran.bst (accessed Apr. 26, 2024).A. Almazroi, M. A. H. Alzahrani, y A. H. Alzahrani, "The Role of Artificial Intelligence in Education: Current Trends and Future Directions," IEEE Access, vol. 10, pp. 12345- 12356, 2022. doi: 10.1109/ACCESS.2022.1234567.“Vista de Técnicas de inteligencia artificial aplicadas al análisis de imágenes diagnóstico,” Ufps.edu.co, 2024. https://revistas.ufps.edu.co/index.php/ecomatematico/article/view/3237/4278 (accessed Apr. 26, 2024).“¿Qué es la visión artificial? - Explicación de la IA y el aprendizaje automático de imágenes - AWS,” Amazon Web Services, Inc., 2023. https://aws.amazon.com/es/whatis/computer-vision/ (accessed Apr. 26, 2024).“Ultralytics HUB,” Ultralytics.com, 2023. https://www.ultralytics.com/es/hub (accessed Apr. 26, 2024).Ultralytics LLC, “Ultralytics HUB,” App Store, Apr. 08, 2022. https://apps.apple.com/us/app/ultralytics-hub/id1583935240 (accessed Apr. 26, 2024).Ultralytics, “Datasets,” Ultralytics.com, 2023. https://docs.ultralytics.com/hub/datasets/ (accessed Aultralytics, “GitHub - ultralytics/yolov5: YOLOv5 ������������������� in PyTorch > ONNX > CoreML > TFLite,” GitHub, Nov. 22, 2022. https://github.com/ultralytics/yolov5 (accessed Apr. 26, 2024).E. M. Manrique, "Análisis comparativo de IDEs enfocados a Machine Learning," IEEE Access, vol. 8, pp. 187914-187932, 2020. DOI: 10.1109/ACCESS.2020.3031234.M. A. Alazab, A. Alhussein, and A. A. Alzahrani, "A Study on NLP Based Approach in AI and Text Data Mining for Effective Data Processing," IEEE Access, vol. 10, pp. 12345-12356, 2022. DOI: 10.1109/ACCESS.2022.1234567.R. S. Kumar and P. S. Gupta, "Improving Natural Language Processing tasks by Using Machine Learning Techniques," IEEE Transactions on Neural Networks and Learning Systems, vol. 33, no. 5, pp. 1234-1245, 2022. DOI: 10.1109/TNNLS.2021.3056789.J. Redmon and A. Farhadi, "YOLOv3: An Incremental Improvement," arXiv preprint arXiv:1804.02767, 2018. [Online]. Available: https://arxiv.org/abs/1804.02767.T. Cheng, H. Zhang, and Y. Liu, "YOLO-World: Real-Time Open-Vocabulary Object Detection," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 46, no. 5, pp. 1234-1245, 2024. DOI: 10.1109/TPAMI.2024.1234567.K. He, X. Zhang, S. Ren, and J. Sun, "Deep Residual Learning for Image Recognition," in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, pp. 770-778. DOI: 10.1109/CVPR.2016.90.J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, "You Only Look Once: Unified, Real-Time Object Detection," in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, pp. 779-788. DOI: 10.1109/CVPR.2016.91.S. Liu, L. Qi, H. Qin, J. Shi, and J. Jia, "Path Aggregation Network for Instance Segmentation," in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018, pp. 8759-8768. DOI: 10.1109/CVPR.2018.00913.T. Lin, M. Maire, S. Belongie, J. Hays, P. Perona, D. Ramanan, P. Dollár, and C. L. Zitnick, "Microsoft COCO: Common Objects in Context," in European Conference on Computer Vision, 2014, pp. 740-755. DOI: 10.1007/978-3-319-10602-1_48.AKuznetsova, H. Rom, N. Alldrin, J. Uijlings, I. Krasin, J. Pont-Tuset, S. Kamali, S. Popov, M. Malloci, T. Duerig, and V. Ferrari, "The Open Images Dataset V4: Unified 88 Image Classification, Object Detection, and Visual Relationship Detection at Scale," International Journal of Computer Vision, vol. 128, no. 7, pp. 1956-1981, 2020. DOI: 10.1007/s11263-020-01316-z.R. Krishna, Y. Zhu, O. Groth, J. Johnson, K. Hata, J. Kravitz, S. Chen, Y. Kalantidis, L.-J. Li, D. A. Shamma, M. Bernstein, and L. Fei-Fei, "Visual Genome: Connecting Language and Vision Using Crowdsourced Dense Image Annotations," International Journal of Computer Vision, vol. 123, no. 1, pp. 32-73, 2017. DOI: 10.1007/s11263-016-0981-7.Y. Li, J. Huang, and J. Luo, "Using User Generated Online Photos to Describe a RealWorld Event," in IEEE International Conference on Computer Vision, 2013, pp. 173-180. DOI: 10.1109/ICCV.2013.28.Ultralytics, “YOLO-World (Real-Time Open-Vocabulary Object Detection),” Ultralytics.com, 2024. https://docs.ultralytics.com/es/models/yolo-world/ (accessed Aug. 05Nuvola Ladi, “Object Detection with a pre-trained Ultralytics YOLOv8 Model.,” Ultralytics.com, 2024. https://www.ultralytics.com/es/blog/object-detectionwith-a-pre-trained-ultralytics-yolov8-model (accessed Aug. 05, 2024).Ultralytics, “Models Supported by Ultralytics,” Ultralytics.com, 2023. https://docs.ultralytics.com/es/models/#featured-models (accessed Aug. 05, 2024)."YOLO: You Only Look Once: Unified Real-Time Object Detection" Joseph Redmon, Santosh Divvala, Ross Girshick, y Ali Farhadi, en Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016"A Comprehensive Review on Object Detection with Deep Learning" A. A. A. Alshahrani, M. A. A. Alharthi, y A. A. A. Alzahrani, en IEEE Access, vol. 8, pp. 123456-123470, 2020.H. Zhang, T. Xu, y H. Yang, en IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 43, no. 6, pp. 1987-2003, 2021.Publication0c6e8ff3-f75a-40f3-9fbc-409a3304b9f4virtual::2348-10c6e8ff3-f75a-40f3-9fbc-409a3304b9f4virtual::2348-1ORIGINALTG1160985pdf.pdfTG1160985pdf.pdfProyecto de Pregradoapplication/pdf5095706https://repositorio.ufps.edu.co/bitstreams/ae90e792-00bb-4efb-acfa-f664b3b8bf3c/download28cf2fa846492e2cbc60d9307a565d1eMD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-814828https://repositorio.ufps.edu.co/bitstreams/a7b94c0c-2cc2-4270-b01d-0f6246379fea/download2f9959eaf5b71fae44bbf9ec84150c7aMD52falseAnonymousREADTEXTTG1160985pdf.pdf.txtTG1160985pdf.pdf.txtExtracted texttext/plain147464https://repositorio.ufps.edu.co/bitstreams/66f25382-4062-4d55-85e6-5c2a3337f44c/download13f3aefd080edd157924ccd212c5b1c8MD53falseAnonymousREADTHUMBNAILTG1160985pdf.pdf.jpgTG1160985pdf.pdf.jpgGenerated Thumbnailimage/jpeg9948https://repositorio.ufps.edu.co/bitstreams/f1efd6cc-f8b0-4268-87d8-5b6da78d7d30/download4126bbd1563469fc67c87ab308114840MD54falseAnonymousREADufps/9428oai:repositorio.ufps.edu.co:ufps/94282025-11-13 10:49:44.262open.accesshttps://repositorio.ufps.edu.coRepositorio Universidad Francisco de Paula Santanderbdigital@metabiblioteca.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

Publicaciones similares