Abstract:
El proyecto tiene como objetivo principal desarrollar un modelo de aprendizaje
automático especializado en la detección y reconocimiento de señales de tránsito verticales focalizado en el contexto de Ecuador. Este proceso se estructura mediante una metodología compuesta por cuatro fases. En la primera fase, se realiza una investigación detallada de bases teóricas para la comprensión de las técnicas y métodos de aprendizaje automático. La fase dos se basa en las investigaciones realizadas anteriormente, aquí se identifica características claves de varios métodos de detección de objetos, entre los cuales destacan Yolo y Teachable Machine, debido a sus capacidades y requerimientos computacionales. En la fase tres se establecen herramientas, parámetros y configuraciones de entrenamiento. Además, se crea una base de datos específica que incluye un conjunto de imágenes inéditas capturadas en puntos estratégicos de la provincia de Santa Elena. Por último, en la fase cuatro se evalúa el rendimiento del modelo utilizando las herramientas y métricas de validación. El proyecto no solo se centra en la construcción de un modelo óptimo para detectar señales de tránsito, sino que también se extiende hacia la implementación práctica utilizando sistemas embebidos con el objetivo de analizar la inferencia del modelo en dispositivos con limitaciones de procesamiento. Para ello, se ha optado por utilizar un Raspberry Pi 4 modelo B, a la cual se dota con librerías específicas para tareas de aprendizaje automático. La elección de estas librerías es esencial para aprovechar al máximo la capacidad de procesamiento y garantizar la eficiencia del modelo en el dispositivo.