RT Generic
T1 Análisis del rendimiento de redes neuronales de detección aplicando test-time augmentation con zoom.
T2 Performance analysis of detection neural networks applying test-time augmentation with zoom.
A1 Ruz Jiménez, Diego
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería Informática - Trabajos fin de Grado
AB En este trabajo se ha estudiado el impacto de aplicar Test-Time Augmentation(TTA) mediante zoom en la evaluación de modelos de detección de objetos,utilizando como base el conjunto de validación de COCO 2017. Se han generadodistintos grupos de predicciones: las predicciones originales del modelo, lasobtenidas a partir de las imágenes aumentadas, combinaciones de ambas, y versionesfiltradas mediante supresión de no máximos (NMS), incluyendo variantescon prioridad para mantener las predicciones originales. Se compararon los resultadoscuantitativos y cualitativos utilizando métricas de precisión (Average Precision,AP) y exhaustividad (Average Recall, AR), considerando además el tamañode los objetos detectados.Los resultados muestran que el TTA mediante zoom incrementa la exhaustividad,especialmente en objetos pequeños, mientras que la precisión de las prediccionesaumentadas no supera a la de las originales. El estudio del umbral de IoUpermitió comprender cómo ajustar este parámetro según el objetivo principal, yasea maximizar la precisión o la exhaustividad.Este trabajo demuestra que la aplicación de TTA puede ser beneficiosa en escenariosdonde detectar todos los objetos es prioritario y el tiempo de ejecuciónno es una limitación, y establece bases para futuras investigaciones que explorendistintos modelos, transformaciones y técnicas de filtrado de detecciones repetidas.
YR 2025
FD 2025-09
LK https://hdl.handle.net/10630/46084
UL https://hdl.handle.net/10630/46084
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 22 mar 2026