Show simple item record

dc.contributor.advisorZulueta Guerrero, Ekaitz
dc.contributor.authorCalleja Corcuera,Jon Ander
dc.contributor.otherMáster Universitario en Ingeniería de Control, Automatización y Robótica
dc.contributor.otherKontrol Ingeniaritza, Automatizazioa eta Robotika Masterra
dc.date.accessioned2024-05-10T17:59:05Z
dc.date.available2024-05-10T17:59:05Z
dc.date.issued2024-05-10
dc.identifier.urihttp://hdl.handle.net/10810/67906
dc.description.abstractEn las últimas décadas, la Realidad Aumentada (RA) ha irrumpido de manera espectacular en diversos ámbitos, transformando la manera en que interactuamos con la información y el entorno que nos rodea. Para que esta tecnología funcione de manera efectiva, es crucial que el sistema pueda identificar y rastrear objetos en tiempo real. Han sido muchas las investigaciones realizadas entorno a dicha detección de objetos en RA, centrándose en sus inicios principalmente en técnicas que utilizan marcadores o seguimiento sin marcadores. Sin embargo, con el avance de las capacidades de procesamiento y la disponibilidad de grandes conjuntos de datos, las técnicas de Machine Learning (ML) han emergido como una solución más potente y versátil. Este trabajo se centra principalmente en ello, en explorar y evaluar diversos algoritmos de ML para la detección de objetos en aplicaciones de RA identificando aquel que mejores resultados ofrezca en términos de precisión y eficiencia.es_ES
dc.description.abstractOver the past decades, Augmented Reality (AR) has dramatically burst into various fields, transforming the way we interact with the information and environment around us. For this technology to work effectively, it is crucial that the system can identify and track objects in real time. Much research has been done on such object detection in AR, initially focusing mainly on techniques using markers or markerless tracking. However, with the advancement of processing capabilities and the availability of large datasets, Machine Learning (ML) techniques have emerged as a more powerful and versatilees_ES
dc.description.abstractAzken hamarkadetan, Errealitate Areagotua modu ikusgarrian sartu da hainbat esparrutan, inguratzen gaituen informazioarekin eta ingurunearekin elkarreragiteko dugun modua eraldatuz. Teknologia honek modu eraginkorrean funtziona dezan, funtsezkoa da sistemak objektuak denbora errealean identifikatu eta arakatu ahal izatea. Asko izan dira RAko objektuen detekzio horren inguruan egindako ikerketak, batez ere markatzaileak erabiltzen dituzten tekniketan edo markatzailerik gabeko jarraipenean oinarrituta. Hala ere, prozesatzeko gaitasunen aurrerapenarekin eta datu-multzo handien eskuragarritasunarekin,Machine Learning (ML) teknikak soluzio indartsuago eta moldakorrago gisa agertu dira. Lan hau horretan oinarritzen da batez ere, RA-aplikazioetan objektuak detektatzeko ML-algoritmo batzuk arakatzean eta ebaluatzean, eta doitasun eta efizientzia aldetik emaitzarik onenak ematen dituena identifikatzean.es_ES
dc.language.isospaes_ES
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectdeep learninges_ES
dc.subjectrealidad aumentadaes_ES
dc.subjectdetección de objetoses_ES
dc.subjectredes neuronales convolucionaleses_ES
dc.titleDetección de objetos basada en Machine Learning para realidad aumentadaes_ES
dc.typeinfo:eu-repo/semantics/masterThesis
dc.date.updated2023-09-12T08:45:27Z
dc.language.rfc3066es
dc.rights.holder©2023, el autor
dc.contributor.degreeMáster Universitario en Ingeniería de Control, Automatización y Robótica
dc.contributor.degreeKontrol Ingeniaritza, Automatizazioa eta Robotika Unibertsitate Masterra
dc.identifier.gaurassign154350-837019es_ES


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record