Detección de objetos en carretera: comparativa entre técnicas de Machine Learning y Deep Learning

En este trabajo se va a abordar el problema de detección de objetos en carretera utilizando dos tipos de técnicas. Por un lado, utilizaremos técnicas de procesamiento de imagen para la extracción de características junto con distintos modelos de Machine Learning (redes neuronales, Random Forest, etc). Por otro, estudiaremos técnicas propias de Deep Learning basadas en redes neuronales convolucionales de distintos tipos (como YOLO, You Only Look Once, o SSD, Single Shot Detector ). Compararemos los resultados obtenidos en ambas metodologías utilizando un dataset con 100.000 imágenes.

In this project we are going to approach the problem of road object detection using two types of techniques. On the one hand, we will use image processing techniques for feature extraction with different models of Machine Learning (neural networks, Random Forest, etc). On the other hand, we will study Deep Learning techniques based on convolutional neural networks of different types (such as YOLO (You Only Look Once), or SSD (Single Shot Detector). We will compare the results obtained in both methodologies using a 100,000 images dataset.