Capítulo 1: Introducción
1.1 Objetivos
1.2 Motivación
1.3 Desarrollos Obtenidos
1.4 Estructura del Trabajo
Capítulo 2: Marco Teórico
2.1 Introducción
2.2 Conceptos
2.2.1 Inteligencia Artificial (Artificial Intelligence)
2.2.2 Aprendizaje Automático (Machine Learning)
2.2.2.1 Descriptores
2.2.2.1.1 Patrón Local Binario (Local Binary Pattern)
2.2.2.1.2 Haralick
2.2.2.1.3 Histograma de Gradientes Orientados (HOG)
2.2.2.2 Aprendizaje Supervisado
2.2.2.2.1 Máquinas de Soporte Vectorial (Support Vector Machines)
2.2.2.2.2 Redes Neuronales (Neural Networks)
2.2.2.3 Aprendizaje Transferido (Transfer Learning)
2.2.3 Aprendizaje Profundo (Deep Learning)
2.3 Frameworks y Librerías
2.3.1 OpenCV
2.3.2 TensorFlow
2.3.3 Keras
2.3.4 Ionic
2.3.5 Django
2.4 Estado del Arte
2.5 Revisión del objetivo
Capítulo 3: Trabajos Realizados
3.1 El Dataset
3.2 La aplicación Django, el backend
3.3 La aplicación Ionic, el frontend
3.4 El modelo de clasificación
3.4.1 Support Vector Regression
3.4.1.1 Local Binary Pattern (LBP)
3.4.1.2 Haralick
3.4.1.3 Histogram of Oriented Gradients (HOG)
3.4.2 Deep Learning
3.4.2.1 Modelo Simple
3.4.2.2 Modelo Two Lanes
3.4.2.3 Modelo MobileNet
3.5 Puesta en marcha
Capítulo 4: Conclusiones
Capítulo 5: Trabajos Futuros
Capítulo 6: Referencias Bibliográficas