Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
Titulo:

Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
.

Sumario:

Este artículo presenta la medición de tiempo de ejecución de los dos algoritmos de visión artificial más conocidos (algoritmo de seguimiento de color y algoritmo de substracción de fondo) en dos plataformas diferentes (Raspberry Pi 3 Vs PC) ambas con sistemas operativos basados en Linux, esto con el fin de determinar en cuál de las dos plataformas los algoritmos corren con mayor eficiencia, además determinar si migrar estos algoritmos a sistemas embebidos afecta su desempeño para sistemas en tiempo real. En este artículo se mostrará una explicación detallada de cada algoritmo como también explicación técnica de cada plataforma y una medición de tiempo de cada subsistema del algoritmo y al final una medición global del tiempo de ejecución de... Ver más

Guardado en:

Ingenium Revista de la facultad de ingeniería

0124-7492

Cavanzo Nisso, Gloria Andrea

Pérez Pereira, Miguel Ricardo

Villavisan Buitrago, Fabián

UNIVERSIDAD DE SAN BUENAVENTURA

10.21500/01247492.3218

18

2017-07-25

105

119

Colombia

Eficiencia

linux

openCv

python

sistema embebido

visión artificial - Artificial vision

efficiency

embedded system

Linux

Ingenium Revista de la facultad de ingeniería - 2017

info:eu-repo/semantics/openAccess

http://purl.org/coar/access_right/c_abf2

id metarevistapublica_unisanbuenaventura_ingeniumrevistadelafacultaddeingenieria_62_article_3218
record_format ojs
spelling Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
Este artículo presenta la medición de tiempo de ejecución de los dos algoritmos de visión artificial más conocidos (algoritmo de seguimiento de color y algoritmo de substracción de fondo) en dos plataformas diferentes (Raspberry Pi 3 Vs PC) ambas con sistemas operativos basados en Linux, esto con el fin de determinar en cuál de las dos plataformas los algoritmos corren con mayor eficiencia, además determinar si migrar estos algoritmos a sistemas embebidos afecta su desempeño para sistemas en tiempo real. En este artículo se mostrará una explicación detallada de cada algoritmo como también explicación técnica de cada plataforma y una medición de tiempo de cada subsistema del algoritmo y al final una medición global del tiempo de ejecución de todos los algoritmos
Cavanzo Nisso, Gloria Andrea
Pérez Pereira, Miguel Ricardo
Villavisan Buitrago, Fabián
Eficiencia
linux
openCv
python
sistema embebido
visión artificial - Artificial vision
efficiency
embedded system
Linux
18
35
Núm. 35 , Año 2017 : INGENIUM
Artículo de revista
Journal article
2017-07-25T00:00:00Z
2017-07-25T00:00:00Z
2017-07-25
application/pdf
Universidad San Buenaventura - USB (Colombia)
Ingenium
0124-7492
https://revistas.usb.edu.co/index.php/Ingenium/article/view/3218
10.21500/01247492.3218
https://doi.org/10.21500/01247492.3218
spa
https://creativecommons.org/licenses/by-nc-sa/4.0/
Ingenium Revista de la facultad de ingeniería - 2017
105
119
R. Neves, A. Matos. (-). Raspberry PI Based Stereo Vision For Small Size ASVs. Pp. 1-6. [2] A. Suryatali, V. B. Dharmadhikari. (2015). Computer Vision Based Vehicle Detection for Toll Collection System Using Embedded Linux. International Conference on Circuit, Power and Computing Technologies (ICCPCT), -, Pg: 1-7. [3] G. Cococrullo, P. Cornosello, F. Frustaci, L. Guacho, S.Perri. (-). Embedded Survillance System Using Background Subtraction and Raspberry PI. Department Of Electronics, Computer Sciences and Systems DIMES - University of Calabria, Pg: 1-5. [4] k, Milos; P., Jiri; Sánchez Reyes, Jazmín. Evaluation of Quality in Imaging Systems Based on Psychovisual Attributes.INGENIUM, [S.l.], v. 13, n. 26, p. 73-77, Jun. 2013. ISSN 0124 - 7492. Disponible en: <http://revistas.usbbog.edu.co/index.php/ingenium/article/view/375/292>. Fecha de acceso: 05 Sep. 2016 [5] Color Models: RGB, HSV, HSL. 28 de mayo de 2016, de - Sitio web: https://en.wikibooks.org/wiki/Color_Models:_RGB,_HSV,_HSL. [6] F. Horst. (22 March 2010). RGB Cube Show lowgamma cutout. Mayo 28 de 2016, de - Sitio web: https://commons.wikimedia.org/wiki/File:RGB_Cube_Show_lowgamma_cutout_b.png [7] L. Moreno. (-). Modelos de Color. 28 de mayo de 2016, de desarrollador web Sitio web: www.desarrolloweb.com/articulos/1483.php. [8] J. D. Gibson. (1999). Handbook of Image and Video Processing. Austin, Texas: al Bovik. [9] Kharar, Mohali, Punjab, (2011). “Morpholgical image processing”. India.Dept. of ECE, Doaba Institute of Engineering and Technology. [10] (11 de octubre de 2011). Seven grayscale conversion algorithms. 28 de mayo de 2016, de Tanner Helland (dot) com Sitio web: www.tannerhelland.com/3643/grayscale-image-algorithm-vb6/ [11] F. H. Martínez, F. Martínez, H. Montiel, «Identificación visual sobre sistema embebido para navegación robótica autónoma», Ingenium, vol. 15, n. º 29, pp. 71-84, mayo, 2014. [12] Recuperado de: www.pccomponentes.com/Raspberry_pi_3_modelo_b.html vista por última vez 28 mayo 2016 [13] Toshiba satélite. Recuperado de: www.notebookcheck.org/typo3temp/_processed_/csm_toshiba_satellite_l350_gesamtklein_ 1c605ee2d7.jpg [14] A. Marzal, I. Garcia. (2002). Introducción al análisis de algoritmos. pp: 1-7.
https://revistas.usb.edu.co/index.php/Ingenium/article/download/3218/2670
info:eu-repo/semantics/article
http://purl.org/coar/resource_type/c_6501
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/version/c_970fb48d4fbd8a85
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
Text
Publication
institution UNIVERSIDAD DE SAN BUENAVENTURA
thumbnail https://nuevo.metarevistas.org/UNIVERSIDADDESANBUENAVENTURA_COLOMBIA/logo.png
country_str Colombia
collection Ingenium Revista de la facultad de ingeniería
title Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
spellingShingle Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
Cavanzo Nisso, Gloria Andrea
Pérez Pereira, Miguel Ricardo
Villavisan Buitrago, Fabián
Eficiencia
linux
openCv
python
sistema embebido
visión artificial - Artificial vision
efficiency
embedded system
Linux
title_short Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
title_full Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
title_fullStr Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
title_full_unstemmed Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
title_sort medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - efficiency measurement machine artificial vision algorithms imple-mented in raspberry pi and personal computer using python
title_eng Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
description Este artículo presenta la medición de tiempo de ejecución de los dos algoritmos de visión artificial más conocidos (algoritmo de seguimiento de color y algoritmo de substracción de fondo) en dos plataformas diferentes (Raspberry Pi 3 Vs PC) ambas con sistemas operativos basados en Linux, esto con el fin de determinar en cuál de las dos plataformas los algoritmos corren con mayor eficiencia, además determinar si migrar estos algoritmos a sistemas embebidos afecta su desempeño para sistemas en tiempo real. En este artículo se mostrará una explicación detallada de cada algoritmo como también explicación técnica de cada plataforma y una medición de tiempo de cada subsistema del algoritmo y al final una medición global del tiempo de ejecución de todos los algoritmos
author Cavanzo Nisso, Gloria Andrea
Pérez Pereira, Miguel Ricardo
Villavisan Buitrago, Fabián
author_facet Cavanzo Nisso, Gloria Andrea
Pérez Pereira, Miguel Ricardo
Villavisan Buitrago, Fabián
topicspa_str_mv Eficiencia
linux
openCv
python
sistema embebido
visión artificial - Artificial vision
efficiency
embedded system
Linux
topic Eficiencia
linux
openCv
python
sistema embebido
visión artificial - Artificial vision
efficiency
embedded system
Linux
topic_facet Eficiencia
linux
openCv
python
sistema embebido
visión artificial - Artificial vision
efficiency
embedded system
Linux
citationvolume 18
citationissue 35
citationedition Núm. 35 , Año 2017 : INGENIUM
publisher Universidad San Buenaventura - USB (Colombia)
ispartofjournal Ingenium
source https://revistas.usb.edu.co/index.php/Ingenium/article/view/3218
language spa
format Article
rights https://creativecommons.org/licenses/by-nc-sa/4.0/
Ingenium Revista de la facultad de ingeniería - 2017
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
references R. Neves, A. Matos. (-). Raspberry PI Based Stereo Vision For Small Size ASVs. Pp. 1-6. [2] A. Suryatali, V. B. Dharmadhikari. (2015). Computer Vision Based Vehicle Detection for Toll Collection System Using Embedded Linux. International Conference on Circuit, Power and Computing Technologies (ICCPCT), -, Pg: 1-7. [3] G. Cococrullo, P. Cornosello, F. Frustaci, L. Guacho, S.Perri. (-). Embedded Survillance System Using Background Subtraction and Raspberry PI. Department Of Electronics, Computer Sciences and Systems DIMES - University of Calabria, Pg: 1-5. [4] k, Milos; P., Jiri; Sánchez Reyes, Jazmín. Evaluation of Quality in Imaging Systems Based on Psychovisual Attributes.INGENIUM, [S.l.], v. 13, n. 26, p. 73-77, Jun. 2013. ISSN 0124 - 7492. Disponible en: <http://revistas.usbbog.edu.co/index.php/ingenium/article/view/375/292>. Fecha de acceso: 05 Sep. 2016 [5] Color Models: RGB, HSV, HSL. 28 de mayo de 2016, de - Sitio web: https://en.wikibooks.org/wiki/Color_Models:_RGB,_HSV,_HSL. [6] F. Horst. (22 March 2010). RGB Cube Show lowgamma cutout. Mayo 28 de 2016, de - Sitio web: https://commons.wikimedia.org/wiki/File:RGB_Cube_Show_lowgamma_cutout_b.png [7] L. Moreno. (-). Modelos de Color. 28 de mayo de 2016, de desarrollador web Sitio web: www.desarrolloweb.com/articulos/1483.php. [8] J. D. Gibson. (1999). Handbook of Image and Video Processing. Austin, Texas: al Bovik. [9] Kharar, Mohali, Punjab, (2011). “Morpholgical image processing”. India.Dept. of ECE, Doaba Institute of Engineering and Technology. [10] (11 de octubre de 2011). Seven grayscale conversion algorithms. 28 de mayo de 2016, de Tanner Helland (dot) com Sitio web: www.tannerhelland.com/3643/grayscale-image-algorithm-vb6/ [11] F. H. Martínez, F. Martínez, H. Montiel, «Identificación visual sobre sistema embebido para navegación robótica autónoma», Ingenium, vol. 15, n. º 29, pp. 71-84, mayo, 2014. [12] Recuperado de: www.pccomponentes.com/Raspberry_pi_3_modelo_b.html vista por última vez 28 mayo 2016 [13] Toshiba satélite. Recuperado de: www.notebookcheck.org/typo3temp/_processed_/csm_toshiba_satellite_l350_gesamtklein_ 1c605ee2d7.jpg [14] A. Marzal, I. Garcia. (2002). Introducción al análisis de algoritmos. pp: 1-7.
type_driver info:eu-repo/semantics/article
type_coar http://purl.org/coar/resource_type/c_6501
type_version info:eu-repo/semantics/publishedVersion
type_coarversion http://purl.org/coar/version/c_970fb48d4fbd8a85
type_content Text
publishDate 2017-07-25
date_accessioned 2017-07-25T00:00:00Z
date_available 2017-07-25T00:00:00Z
url https://revistas.usb.edu.co/index.php/Ingenium/article/view/3218
url_doi https://doi.org/10.21500/01247492.3218
issn 0124-7492
doi 10.21500/01247492.3218
citationstartpage 105
citationendpage 119
url2_str_mv https://revistas.usb.edu.co/index.php/Ingenium/article/download/3218/2670
_version_ 1811200853495775232

Código QR

Estadísticas y Métricas Alternativas

Títulos similares