Detección de barcos en imágenes SAR con modelos basados en CNN para el control marítimo y protección del medio ambiente

Los satélites de Radar de Apertura Sintética poseen cada vez más protagonismo en el campo de la observación de la Tierra y la vigilancia marítima. Dada la gran cantidad de datos generados por las plataformas satelitales se requiere el uso de técnicas avanzadas para la extracción de información útil...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Bozzalla Bondio, Joaquín Matías, Silva, Juan Jose
Formato: Tesis acceptedVersion Tesis de grado
Lenguaje:Español
Publicado: Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina 2022
Materias:
Radar de Apertura Sintética, RAS
Vigilancia marítima
Detección de objetos
YOLO v4
HRSID
Acceso en línea:http://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/663
Aporte de:
RINFI - Facultad de Ingeniería (UNMdP) de Universidad Nacional de Mar del Plata (UNMdP)
id I29-R182-123456789-663
record_format dspace
institution Universidad Nacional de Mar del Plata (UNMdP)
institution_str I-29
repository_str R-182
collection RINFI - Facultad de Ingeniería (UNMdP)
language Español
topic Radar de Apertura Sintética, RAS
Vigilancia marítima
Detección de objetos
YOLO v4
HRSID
spellingShingle Radar de Apertura Sintética, RAS
Vigilancia marítima
Detección de objetos
YOLO v4
HRSID
Bozzalla Bondio, Joaquín Matías
Silva, Juan Jose
Detección de barcos en imágenes SAR con modelos basados en CNN para el control marítimo y protección del medio ambiente
topic_facet Radar de Apertura Sintética, RAS
Vigilancia marítima
Detección de objetos
YOLO v4
HRSID
description Los satélites de Radar de Apertura Sintética poseen cada vez más protagonismo en el campo de la observación de la Tierra y la vigilancia marítima. Dada la gran cantidad de datos generados por las plataformas satelitales se requiere el uso de técnicas avanzadas para la extracción de información útil de ellos. La detección de objetos es una disciplina del aprendizaje profundo que reconoce y localiza patrones dentro de una imagen. Este trabajo propone un modelo con arquitectura YOLO v4 entrenado con el conjunto de datos HRSID utilizando Transfer Learning que obtiene un desempeño superior comparado con resultados presentes en la literatura. Por ́ultimo se pone a prueba el modelo ante escenas capturadas con los satélites Sentinel 1 y SAOCOM 1 que no estuvieron presentes en el entrenamiento. Mail de los autores Bozzalla Bondio, Joaquín Matías <bozzallajoaquin@gmail.com> Silva, Juan Jose <juanjosesilva97@gmail.com>
format Thesis
acceptedVersion
Tesis de grado
Tesis de grado
author Bozzalla Bondio, Joaquín Matías
Silva, Juan Jose
author_facet Bozzalla Bondio, Joaquín Matías
Silva, Juan Jose
author_sort Bozzalla Bondio, Joaquín Matías
title Detección de barcos en imágenes SAR con modelos basados en CNN para el control marítimo y protección del medio ambiente
title_short Detección de barcos en imágenes SAR con modelos basados en CNN para el control marítimo y protección del medio ambiente
title_full Detección de barcos en imágenes SAR con modelos basados en CNN para el control marítimo y protección del medio ambiente
title_fullStr Detección de barcos en imágenes SAR con modelos basados en CNN para el control marítimo y protección del medio ambiente
title_full_unstemmed Detección de barcos en imágenes SAR con modelos basados en CNN para el control marítimo y protección del medio ambiente
title_sort detección de barcos en imágenes sar con modelos basados en cnn para el control marítimo y protección del medio ambiente
publisher Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina
publishDate 2022
url http://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/663
work_keys_str_mv AT bozzallabondiojoaquinmatias detecciondebarcosenimagenessarconmodelosbasadosencnnparaelcontrolmaritimoyprotecciondelmedioambiente
AT silvajuanjose detecciondebarcosenimagenessarconmodelosbasadosencnnparaelcontrolmaritimoyprotecciondelmedioambiente
bdutipo_str Repositorios
_version_ 1764820522234806274

Ejemplares similares