RT Generic
T1 Estudio sobre la mejora en la detección de objetos pequeños mediante técnicas de procesamiento de imágenes y super-resolución.
T2 Study about the improvement of small objects detection using image processing and super-resolution techniques.
A1 Castillo Conesa, Daniel
K1 Redes neuronales (Informática)
K1 Procesado de imágenes
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería Informática - Trabajos Fin de Grado
AB Los drones son un tipo de vehículo aéreo no tripulado (UAV) los cuales en losúltimos años se han convertido en una herramienta indispensable en multitud detareas debido a su enorme utilidad, bajo coste y facilidad de uso. La popularizaciónde estos aparatos ha traído consigo un aumento en la toma de imágenes aéreas.En este tipo de imágenes normalmente aparecen objetos de pequeño tamaño. Detectar a los mismos suele ser un paso fundamental para extraer información deacuerdo con el ámbito de aplicación. Existen múltiples modelos entrenados mediante algoritmos de aprendizaje profundo o Deep Learning que son capaces dedetectar de manera automática objetos en una imagen. No obstante, estos modelos han sido entrenados para identificar objetos de tamaño grande o medianoprincipalmente. Por tanto, su tasa de detección o accuracy desciende conformelos objetos en la imagen se hacen más pequeños, especialmente en imágenes debaja calidad o con un fondo complejo. Las soluciones disponibles para la detección de este tipo de elementos a día de hoy son limitadas. Por ello, es necesario lainvestigación y aporte de nuevas soluciones dentro de este campo.En este trabajo se plantea un estudio empírico sobre la mejora en la detecciónde objetos pequeños mediante la aplicación de redes neuronales convolucionales(CNN), en conjunto con distintas técnicas de procesamiento de la imagen y superresolución durante la fase de inferencia. Este tipo de técnicas son conocidas comoTest Time Augmentation (TTA) y tienen como objetivo presentar al modelo dedetección la misma imagen de entrada con una serie de transformaciones para asíintentar aumentar la tasa de detección de los objetos en el fotograma sobre el cualse desea inferir, y con ello, se logre aumentar el accuracy del modelo sin necesidadde re-entrenar el mismo, ya que este es un proceso costoso computacionalmente,quedando fuera de los límites de este trabajo.
YR 2022
FD 2022-12
LK https://hdl.handle.net/10630/26016
UL https://hdl.handle.net/10630/26016
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 4 mar 2026