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...
Guardado en:
Autores principales: | , |
---|---|
Formato: | Tesis acceptedVersion Tesis de grado |
Lenguaje: | Español |
Publicado: |
Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina
2022
|
Materias: | |
Acceso en línea: | http://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/663 |
Aporte de: |
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 |