Uso del Deep Learning para desarrollar un software de seguridad activa embebido en un patinete urbano

Abstract

Los patinetes eléctricos son cada vez más frecuentes en nuestras calles aportando una solución a muchos problemas de movilidad mientras en ocasiones causan otros relacionados con su seguridad. Este trabajo hace uso del Deep Learning y de las redes neuronales convolucionales existentes que puedan formar parte de un sistema de seguridad activa en este y otro tipo de vehículos similares. Gracias a los avances en el aprendizaje automático una sola cámara RGB es necesaria para analizar la escena y poder tomar decisiones inteligentes. Un hardware embebido será el encargado de procesar toda la información y dar respuesta en tiempo real. Para poder alcanzar este rendimiento son necesarias algunas modificaciones a los modelos de Deep Learning tales como cuantizar sus pesos para reducir su tamaño y el tiempo de sus inferencias. Como resultado se muestra un prototipo de sistema de seguridad funcional y reducido en costes.