Etiquetado automático de objetos en imágenes panorámicas

En este proyecto, nos enfocamos en el desarrollo de un método para el etiquetado automático de objetos en imágenes panorámicas, con el objetivo de minimizar la intervención humana. Empleamos modelos de aprendizaje profundo, incluyendo YOLOv8 y Fast R-CNN, y los combinamos con estrategias avanzadas de transfer learning y fine-tuning. Nuestro enfoque se centró en optimizar la eficiencia del proceso de etiquetado sin comprometer la precisión en el etiquetado de objetos. Para ello, realizamos diversas evaluaciones del rendimiento del sistema en diversos escenarios urbanos, considerando la complejidad y la variabilidad de las imágenes capturadas. Los resultados obtenidos demuestran que nuestra metodología logra una reducción significativa en el tiempo requerido para el etiquetado, lo cual tiene importantes implicaciones en términos de eficiencia y productividad. Además, destacamos la robustez y la escalabilidad de nuestro enfoque, lo que lo hace aplicable a una amplia gama de aplicaciones en el campo de la visión por computadora. En resumen, nuestro proyecto representa un avance significativo en la automatización del etiquetado de objetos en imágenes panorámicas, ofreciendo una solución más eficiente para abordar los desafíos asociados con esta tarea.

• Autores: Navarro Chamucero, Matthieu; Campo Charris, Robinson Luis; Vallejo Morales, Luis Alejandro
• Fecha de publicación: 2024
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/11954
• Acceso en línea: http://hdl.handle.net/10584/11954
• Palabra clave: Automated Object Labeling, Panoramic Images, Transfer Learning, Fine Tuning, Urban Infrastructure, Objects on Roads.; Etiquetado Automatizado de Objetos, Imagenes panoramicas, Transfer Learning, Fine Tuning, Infraestructura Urbana, Objetos en Carreteras.
• License: Universidad del Norte