Publicación:
Prototipo de aplicativo web para encontrar mascotas perdidas mediante la identificación de rasgos y características visuales usando redes neuronales profundas.

Vista sencilla de ítem
dc.contributor.advisorValencia Villa, Juan Sebastián
dc.contributor.authorJimenez Peñate, Youlvis Jimenez
dc.date.accessioned2023-06-21T16:27:41Z
dc.date.available2023-06-21T16:27:41Z
dc.date.issued2023
dc.description62 páginasspa
dc.description.abstractRESUMEN: En la actualidad, encontrar a una mascota perdida puede ser difícil y frustrante. Los métodos tradicionales para localizarlas suelen ser costosos o invasivos, como los implantes de microchip. Ante este problema, este proyecto propone una solución efectiva y accesible. Para lograrlo, se utiliza una herramienta llamada Amazon Rekognition Custom Labels de AWS. Esta herramienta nos permite entrenar un modelo personalizado utilizando una gran cantidad de fotos de perros tomadas desde diferentes ángulos. De esta manera, el modelo aprende a reconocer a las mascotas en diversas posiciones y situaciones. En comparación con otros métodos de búsqueda, esta técnica ha demostrado tener una alta precisión. Proporciona una alternativa más eficaz y precisa para encontrar a las mascotas perdidas, evitando gastos excesivos y procedimientos invasivos como los microchips. El resultado obtenido es un prototipo de aplicación web que permite a los dueños de mascotas buscar de manera efectiva a sus compañeros perdidos. Lo mejor de todo es que este enfoque de reconocimiento facial mediante redes neuronales profundas no requiere la colocación de ningún dispositivo adicional en la mascota, lo que reduce los inconvenientes y costos asociados. Además, la aplicación web es fácilmente accesible desde cualquier dispositivo con conexión a internet, brindando disponibilidad a los usuarios en cualquier momento y lugar. La implementación de este proyecto ofrece varios beneficios significativos. En primer lugar, proporciona una solución más efectiva y precisa para encontrar mascotas perdidas, lo que brinda tranquilidad y alivio a los dueños preocupados. Además, al evitar métodos invasivos y costosos, se protege la salud y el bienestar de las mascotas. Asimismo, al ser una aplicación web, ofrece una forma rápida y sencilla de acceder a la herramienta de búsqueda desde cualquier dispositivo con conexión a internet. Si bien este proyecto representa un avance significativo en la identificación de perros perdidos, es importante mencionar que existen oportunidades de mejora. Se sugiere ampliar el conjunto de datos de entrenamiento para mejorar la capacidad del modelo de reconocimiento de perros y considerar la inclusión de un modelo dedicado al reconocimiento de gatos. Estas mejoras ofrecerían a los usuarios una solución más completa para encontrar a sus mascotas perdidas, ya sean perros o gatos.spa
dc.description.abstractABSTRACT: Finding a lost pet can be challenging and frustrating. Traditional methods for locating them are often expensive or invasive, such as microchip implants. Addressing this issue, this project proposes an effective and accessible solution. To achieve this, a tool called Amazon Rekognition Custom Labels from AWS is utilized. This tool enables training a custom model using a large number of dog photos taken from different angles. As a result, the model learns to recognize pets in various positions and situations. Compared to other search methods, this technique has demonstrated high precision. It provides a more effective and accurate alternative for finding lost pets, avoiding excessive costs and invasive procedures like microchips. The outcome is a prototype web application that allows pet owners to effectively search for their lost companions. The best part is that this deep neural network-based facial recognition approach does not require any additional device placement on the pet, reducing inconveniences and costs associated. Additionally, the web application is easily accessible from any internet-connected device, providing availability to users anytime and anywhere. The implementation of this project offers several significant benefits. Firstly, it provides a more effective and precise solution for finding lost pets, bringing peace of mind and relief to concerned owners. Moreover, by avoiding invasive and costly methods, the health and well-being of the pets are protected. Furthermore, being a web application, it offers a quick and convenient way to access the search tool from any internet-connected device. While this project represents a significant advancement in identifying lost dogs, it is important to mention that there are opportunities for improvement. It is suggested to expand the training dataset to enhance the dog recognition model's capability and consider including a dedicated model for cat recognition. These improvements would provide users with a more comprehensive solution for finding their lost pets, whether they are dogs or cats.eng
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) de Sistemas y Computaciónspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repository.eia.edu.co/handle/11190/5950
dc.language.isospaspa
dc.publisherUniversidad EIAspa
dc.publisher.facultyEscuela de Ingeniería y Ciencias Básicasspa
dc.publisher.programIngeniería de Sistemas y Computaciónspa
dc.rightsDerechos Reservados - Universidad EIA, 2023spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.proposalMascotas perdidasspa
dc.subject.proposalReconocimiento de imagenspa
dc.subject.proposalRedes neuronales profundasspa
dc.subject.proposalAplicación webspa
dc.subject.proposalLocalizaciónspa
dc.subject.proposalLost petseng
dc.subject.proposalImage recognitioneng
dc.subject.proposalDeep neural networkseng
dc.subject.proposalWeb applicationeng
dc.subject.proposalLocalizationeng
dc.titlePrototipo de aplicativo web para encontrar mascotas perdidas mediante la identificación de rasgos y características visuales usando redes neuronales profundas.spa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
JimenezYoulvis_2023_PrototipoAplicativoWeb.pdf
Tamaño:
1.81 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
2.46 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Ingeniería de Sistemas y Computación