Eina d'anotació semiautomàtica d'imatges amb models Deep learning
| Autor: | Recio Ramírez, Arnau |
|---|---|
| Přispěvatelé: | Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions, Morros Rubió, Josep Ramon |
| Jazyk: | Spanish; Castilian |
| Rok vydání: | 2022 |
| Předmět: |
Image converters
anotacion semisupervisada Deep Learning Computer Vision Visió per ordinador object detection Artificial intelligence--Engineering applications Convertidors d'imatge Intel·ligència artificial--Aplicacions a l'enginyeria Enginyeria de la telecomunicació::Processament del senyal::Processament de la imatge i del senyal vídeo [Àrees temàtiques de la UPC] Aprenentatge profund |
| Zdroj: | UPCommons. Portal del coneixement obert de la UPC Universitat Politècnica de Catalunya (UPC) |
| Popis: | Actualmente, la anotación manual en detección de objetos es lenta, tediosa y cara. Este problema afecta a sectores como la agricultura que busca mejorar sus procesos de detección de fruta mediante la Inteligencia Artificial. La solución al problema pasa por convertir esta anotación de manera semiautomática con el objetivo de reducir el tiempo y coste. En este proyecto, se busca la manera de implementar una metodología de anotación semiautomática en imágenes mediante el uso de modelos Deep Learning. A través de esta implementación se pretende mejorar la eficacia y velocidad de los detectores de objetos. Con un modelo de detección de objetos entrenado para detectar racimos de uva, se puede conseguir predecir las anotaciones en una colección de imágenes que no han sido vistas. Estas anotaciones se pueden corregir con la ayuda de una herramienta de anotación de imágenes que servirán para mejorar el modelo de detección. Se aplica esta metodología en la detección del racimo de uva, pero, al ser una metodología que hace uso de algoritmos capaces de detectar cualquier objeto en imágenes a través del entrenamiento, se podrá aplicar a cualquier sector que requiera de la detección de objetos para lograr sus objetivos. Currently, manual annotation in object detection is slow, tedious, and expensive. This problem affects sectors such as agriculture that seek to improve their fruit detection processes through Artificial Intelligence. The solution to this problem involves converting this annotation to a semi-automatic way in order to reduce time and cost. In this project, we are looking for a way to implement a semi-automatic image annotation methodology through the use of Deep Learning models. Through this implementation it is intended to improve the efficiency and speed of object detectors. With an object detection model trained to detect grape bunches, it is possible to predict the annotations in a collection of images that have not been seen. These annotations can be corrected with the help of an image annotation tool which will serve to improve the detection model. We apply this methodology in the detection of the bunch of grapes, but, as it is a methodology that makes use of algorithms capable of detecting any object in images through training, it can be applied to any sector that requires the detection of objects to achieve its objectives. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|