RT Conference Proceedings
T1 Análisis de técnicas de aumento de datos y entrenamiento en YOLOv3 para detección de objetos en imágenes RGB y TIR del UMA-SAR Dataset
A1 Vázquez-Martín, Ricardo
A1 Mandow, Anthony
A1 Morales-Rodríguez, Jesús
A1 García-Cerezo, Alfonso José
A1 Galán Cuenca, Álvaro
K1 Visión por ordenador
AB El uso de imágenes de los espectros visible (RGB)e infrarrojo térmico (TIR) para la detección deobjetos puede resultar crucial en aplicaciones dondelas condiciones de visibilidad están limitadas,como la robótica para búsqueda y rescate en catástrofes.Para ello resulta beneficioso analizar cómolas técnicas de aprendizaje profundo basadas enredes neuronales convolucionales (CNN) puedenaplicarse a ambas modalidades. En este artículo seanalizan diferentes configuraciones y parámetrospara el entrenamiento de CNN tanto para imágenestérmicas como para imágenes equivalentes delespectro visible. En concreto, se aborda el problemadel sobre-entrenamiento para determinar unaconfiguración eficaz de técnicas de aumento de datosy parada temprana. El caso de estudio se harealizado con la red de código abierto YOLOv3,pre-entrenada con el dataset RGB COCO y optimizada(o re-entrenada) con el conjunto públicode datos UMA-SAR dataset, que incluye pares deimágenes RGB y TIR obtenidas en ejercicios realistasde rescate.
PB Universidade da Coruña, Servizo de Publicacións. Comité Español de Automática.
YR 2021
FD 2021-09
LK https://hdl.handle.net/10630/22812
UL https://hdl.handle.net/10630/22812
LA spa
NO Álvaro Galán-Cuenca, Ricardo Vázquez-Martín, Anthony Mandow, Jesús Morales, Alfonso García-Cerezo (2021) "Análisis de técnicas de aumento de datos y entrenamiento en YOLOv3 para detección de objetos en imágenes RGB y TIR del UMA-SAR Dataset" Actas de las XLII Jornadas de Automática, pp. 686-694, Castellón, España. https://doi.org/10.17979/spudc.9788497498043.686
NO Este trabajo ha recibido financiación del proyecto nacional RTI2018-093421-B-I00
NO Universidad de Málaga. Campus de Excelencia Internacional Andalucía Tech.
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 20 mar 2026