Un proyecto de smart city analiza el flujo vehicular sobre un Jetson Orin Nano 8GB: usa YOLOv4 (backbone MobileNetv2) de NVIDIA TAO, entrenado por transfer learning con apenas ~150 imágenes, desplegado con aceleración TensorRT. El post-proceso cuenta vehículos, estima velocidad y dirección.
Rendimiento: ~6 ms por detección y ~90% de precisión en test, con un dataset mínimo. Decisión en el borde, sin subir video continuo a la nube.
Para un municipio chileno esto significa poder desplegar el sistema en muchas cámaras de intersección existentes, a una fracción del costo y la energía de una solución en la nube.
