RT Generic
T1 Detección de objetos mediante redes neuronales de  aprendizaje profundo con delimitación elíptica
T2 Object detection using deep learning neural networks with  elliptical bounding
A1 García Tobaruela, María José
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería Informática - Trabajos Fin de Grado
AB Este trabajo estudia la detección de objetos mediante representacioneselípticas, explorando sus ventajas frente a las cajas rectangulares habituales.Se parte de un modelo base al que se incorpora la estrategia de Test-TimeAugmentation (TTA), con el fin de mejorar la robustez y la capacidad derecuperación de detecciones en escenarios difíciles.Los resultados muestran que las métricas globales de error no siempreevidencian mejoras, pero la TTA resulta especialmente útil en casos complejos,ya que permite recuperar objetivos que el modelo base no detecta. Este beneficioinicial se ve acompañado por un aumento en falsos positivos, lo que motivóla implementación de un mecanismo de validación basado en desviacionesgeométricas entre elipses. Dicho mecanismo logra reducir de forma significativalas detecciones erróneas y alcanzar un equilibrio más favorable entre precisión yrecuperación.Finalmente, se realizó una optimización de parámetros que confirmó laimportancia de ajustar umbrales de consenso y validación para maximizar elrendimiento. En conjunto, los resultados sugieren que la representación elíptica,junto con técnicas de consenso y validación específicas, constituye una alternativaprometedora para tareas de detección donde las formas elípticas describen mejorla geometría de los objetos.
YR 2025
FD 2025
LK https://hdl.handle.net/10630/45935
UL https://hdl.handle.net/10630/45935
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 18 mar 2026