2022 |
|
|
Velesaca, H. O., Suárez, P. L., Sappa, A. D., Carpio, D., Rivadeneira, R. E., & Sanchez, A. (2022). Review on Common Techniques for Urban Environment Video Analytics. In WORKSHOP BRASILEIRO DE CIDADES INTELIGENTES (WBCI 2022) (pp. 107–118).
|
|
|
|
Velez R., P. A., Silva S., Paillacho D., and Paillacho J. (2022). Implementation of a UVC lights disinfection system for a diferential robot applying security methods in indoor. In Communications in Computer and Information Science, International Conference on Applied Technologies (ICAT 2021), octubre 27-29 (Vol. 1535, pp. 319–331).
|
|
2021 |
|
|
Henry O. Velesaca, P. L. S., Dario Carpio, and Angel D. Sappa. (2021). Synthesized Image Datasets: Towards an Annotation-Free Instance Segmentation Strategy. In 16 International Symposium on Visual Computing. Octubre 4-6, 2021. Lecture Notes in Computer Science (Vol. 13017, pp. 131–143).
|
|
|
|
Jacome-Galarza L.-R. (2021). Crop yield prediction utilizing multimodal deep learning. In 16th Iberian Conference on Information Systems and Technologies, CISTI 2021, junio 23 – 26, 2021.
Abstract: La agricultura de precisión es una práctica vital para
mejorar la producción de cosechas. El presente trabajo tiene
como objetivo desarrollar un modelo multimodal de aprendizaje
profundo que es capaz de producir un mapa de salud de
cosechas. El modelo recibe como entradas imágenes multiespectrales
y datos de sensores de campo (humedad,
temperatura, estado del suelo, etc.) y crea un mapa de
rendimiento de la cosecha. La utilización de datos multimodales
tiene como finalidad extraer patrones ocultos del estado de salud
de las cosechas y de esta manera obtener mejores resultados que
los obtenidos mediante los índices de vegetación.
|
|
