Revista ELECTRO
Vol. 41 – Año 2019
Artículo
TÍTULO
Sintonización de Híperparámetros de SVM para Detección de Peatones
AUTORES
Ruiz Varela Oscar Ramsés, González Rojo Sergio A., Navarro Gómez Carmen Julia, Gómez Parra Ana Luisa
RESUMEN
La detección de peatones es una actividad con renovado interés por la comunidad que participa en el desarrollo de sistemas ADAS (Advanced Driver Assistance Systems) y PPS (Pedestrian Protection Systems) como componentes de vehículos autónomos. La Aplicación de Redes Neuronales, Máquinas de vector soporte y otras técnicas de inteligencia artificial proporcionan resultados prometedores, pero tienen posibilidades de caer en mínimos locales en lugar de mínimos globales, cuya consecuencia es la obtención de re sultados in feriores a los mejores posibles. En el presente trabajo se realizó una implementación para detectar peatones utilizando una combinación de HOG (Histograma de Gradiente Orientado), SVM (Máquina Vectorial de Apoyo), Y se definieron los parámetros (híper) de la SVM que determinan el rendimiento del sistema para el objetivo particular. Se aplicaron algunas técnicas como validación cruzada para encontrar el mejor modelo obtenido por la selección calculada de híper parámetros. Se sugieren algunas estrategias para optimizar la sintonización de sistemas de este tipo.
Palabras Clave: SVM, sintonización de parámetros, detección de peatones.
ABSTRACT
Pedestrian detection has acquired major interest for community trying to build ADAS and PPS systems as part of passengers autonomous vehicles. Artificial neural networks, support vector machines and related artificial inte lligence techniques yields breakthroughs, but could deliver minimum local values instead of minimum global values, resulting in lower outputs than best. Presented work it’s a system made of components like HOG (Histogram Oriented Gradient), SVM (Support Vector Machine), etc. System’s hyper parameters that defines performance were obtained for the desired goal. Several techniques like cross validation were applied to find best model through calculated hyper parameters selection. Several strategies to optimize parameters tuning of systems like this one are suggested.
Keywords: SVM, parameters tuning, pedestrian detection.
REFERENCIAS
[1] D. Geronimo, A.M. Lopez, A.D.Sappa. Survey of pedestrian detection for advanced driver assistance system. Vol 32, No 7, Ju lio 2010, pag 1239
[2] C. J. C. Burguess. A tutorial on support vector machines for pattern recognition, d ata mining and knowledge discovery. (1998) page s 121-167.
[3] Z Mustaffa, Y. Yusof.. A comparison of normalization techniques in predicting dengue outbreak. 2010 International Conference on Business and economic research. 2011.
[4] K. S. Parik, T.P. Shah. Support vector machine-a large margin class ifier to diagnose skin illnesses. 3rd International Conference on innovations on automation and Mechatronic Engine ering, ICIAME 2016.
[5] L.C. Padierna, A.R. Domínguez, H. J. Puga Soberanes, R. Baltazar. Hyper Parameter tuning for support vector machines by estimation of distribution algorithms. www.researchgate.net. Publica tion 311555174. Diciembre, 2017.
[6] M. Feurer, F. Hutter. AutoML. Methods, Systems, Challenges. https://www.automl.org/book/ .
[7] T. Kobayash i, A. Hidaka, T. Kurita. Selection of histograms of oriented gradients features for pedestrian detection. International conference of oriented gradient features for pedestrian detection. 2007. Pag 598-607
CITAR COMO:
Ruiz Varela Oscar Ramsés, González Rojo Sergio A., Navarro Gómez Carmen Julia, Gómez Parra Ana Luisa, "Sintonización de Híperparámetros de SVM para Detección de Peatones", Revista ELECTRO, Vol. 41, 2019, pp. 32-35.
VERSIÓN PDF