Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica

Autores
Gonzalez, Federico; Viera, Leonel; Soler, Rosina; Chiarvetto, Peralta Lucila; Gel, Matías; Bustamante, Gimena; Montaldo, Abril; Rigoni, Brian; Pérez, Ignacio
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El manejo de ambientes naturales, ya sea para conservación o producción, requiere de una profunda comprensión de la vida silvestre. El número, la ubicación y el comportamiento de los animales salvajes es uno de los principales objetos de estudio en ecología y vida silvestre. El uso de cámaras trampa ofrece la oportunidad de recopilar rápidamente grandes cantidades de fotografías que -sin la presencia humana- registran a la fauna en su hábitat natural, evitando factores que alteren su comportamiento. En Tierra del Fuego, Argentina, se desarrollan investigaciones sobre el uso del bosque por parte de distintos herbívoros (guanacos, vacas, ovejas) para optimizar el manejo y proteger dichos ecosistemas naturales. Si bien las cámaras trampa permiten la obtención de millones de imágenes, la interpretación de tales fotografías representa un problema de escala para el procesamiento manual. Así, gran parte del valioso conocimiento en estos enormes repositorios de datos sigue sin ser aprovechado. Las Redes Neuronales y el Deep Learning son áreas de estudio dentro la Inteligencia Artificial, durante la última década estas dos disciplinas han hecho cuantiosos aportes en el ámbito del reconocimiento de imágenes de gran relevancia a nivel mundial. Los estudios ecológicos y de conservación de la vida silvestre, pueden combinarse con estas nuevas tecnologías para extraer información importante a partir de las fotografías obtenidas por cámaras trampa, con el objeto de aportar a la comprensión de distintos procesos naturales y mejorar el manejo de las áreas silvestres implicadas. Nuestro proyecto busca desarrollar modelos de redes neuronales para clasificar especies de animales en fotografías obtenidas mediante cámaras trampa, para resolver problemas de gran volumen en investigación científica.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Deep learning
Computer vision
Trap camera
Vida silvestre
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/144851
Acceder
id SEDICI_3076356e3234d87d1cc4d8c89dc8d9c5
oai_identifier_str oai:sedici.unlp.edu.ar:10915/144851
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científicaGonzalez, FedericoViera, LeonelSoler, RosinaChiarvetto, Peralta LucilaGel, MatíasBustamante, GimenaMontaldo, AbrilRigoni, BrianPérez, IgnacioCiencias InformáticasDeep learningComputer visionTrap cameraVida silvestreEl manejo de ambientes naturales, ya sea para conservación o producción, requiere de una profunda comprensión de la vida silvestre. El número, la ubicación y el comportamiento de los animales salvajes es uno de los principales objetos de estudio en ecología y vida silvestre. El uso de cámaras trampa ofrece la oportunidad de recopilar rápidamente grandes cantidades de fotografías que -sin la presencia humana- registran a la fauna en su hábitat natural, evitando factores que alteren su comportamiento. En Tierra del Fuego, Argentina, se desarrollan investigaciones sobre el uso del bosque por parte de distintos herbívoros (guanacos, vacas, ovejas) para optimizar el manejo y proteger dichos ecosistemas naturales. Si bien las cámaras trampa permiten la obtención de millones de imágenes, la interpretación de tales fotografías representa un problema de escala para el procesamiento manual. Así, gran parte del valioso conocimiento en estos enormes repositorios de datos sigue sin ser aprovechado. Las Redes Neuronales y el Deep Learning son áreas de estudio dentro la Inteligencia Artificial, durante la última década estas dos disciplinas han hecho cuantiosos aportes en el ámbito del reconocimiento de imágenes de gran relevancia a nivel mundial. Los estudios ecológicos y de conservación de la vida silvestre, pueden combinarse con estas nuevas tecnologías para extraer información importante a partir de las fotografías obtenidas por cámaras trampa, con el objeto de aportar a la comprensión de distintos procesos naturales y mejorar el manejo de las áreas silvestres implicadas. Nuestro proyecto busca desarrollar modelos de redes neuronales para clasificar especies de animales en fotografías obtenidas mediante cámaras trampa, para resolver problemas de gran volumen en investigación científica.Red de Universidades con Carreras en Informática2022-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf478-482http://sedici.unlp.edu.ar/handle/10915/144851spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-48222-3-9info:eu-repo/semantics/reference/hdl/10915/142555info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:36:57Zoai:sedici.unlp.edu.ar:10915/144851Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:36:57.98SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica
title Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica
spellingShingle Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica
Gonzalez, Federico
Ciencias Informáticas
Deep learning
Computer vision
Trap camera
Vida silvestre
title_short Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica
title_full Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica
title_fullStr Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica
title_full_unstemmed Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica
title_sort Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica
dc.creator.none.fl_str_mv Gonzalez, Federico
Viera, Leonel
Soler, Rosina
Chiarvetto, Peralta Lucila
Gel, Matías
Bustamante, Gimena
Montaldo, Abril
Rigoni, Brian
Pérez, Ignacio
author Gonzalez, Federico
author_facet Gonzalez, Federico
Viera, Leonel
Soler, Rosina
Chiarvetto, Peralta Lucila
Gel, Matías
Bustamante, Gimena
Montaldo, Abril
Rigoni, Brian
Pérez, Ignacio
author_role author
author2 Viera, Leonel
Soler, Rosina
Chiarvetto, Peralta Lucila
Gel, Matías
Bustamante, Gimena
Montaldo, Abril
Rigoni, Brian
Pérez, Ignacio
author2_role author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Deep learning
Computer vision
Trap camera
Vida silvestre
topic Ciencias Informáticas
Deep learning
Computer vision
Trap camera
Vida silvestre
dc.description.none.fl_txt_mv El manejo de ambientes naturales, ya sea para conservación o producción, requiere de una profunda comprensión de la vida silvestre. El número, la ubicación y el comportamiento de los animales salvajes es uno de los principales objetos de estudio en ecología y vida silvestre. El uso de cámaras trampa ofrece la oportunidad de recopilar rápidamente grandes cantidades de fotografías que -sin la presencia humana- registran a la fauna en su hábitat natural, evitando factores que alteren su comportamiento. En Tierra del Fuego, Argentina, se desarrollan investigaciones sobre el uso del bosque por parte de distintos herbívoros (guanacos, vacas, ovejas) para optimizar el manejo y proteger dichos ecosistemas naturales. Si bien las cámaras trampa permiten la obtención de millones de imágenes, la interpretación de tales fotografías representa un problema de escala para el procesamiento manual. Así, gran parte del valioso conocimiento en estos enormes repositorios de datos sigue sin ser aprovechado. Las Redes Neuronales y el Deep Learning son áreas de estudio dentro la Inteligencia Artificial, durante la última década estas dos disciplinas han hecho cuantiosos aportes en el ámbito del reconocimiento de imágenes de gran relevancia a nivel mundial. Los estudios ecológicos y de conservación de la vida silvestre, pueden combinarse con estas nuevas tecnologías para extraer información importante a partir de las fotografías obtenidas por cámaras trampa, con el objeto de aportar a la comprensión de distintos procesos naturales y mejorar el manejo de las áreas silvestres implicadas. Nuestro proyecto busca desarrollar modelos de redes neuronales para clasificar especies de animales en fotografías obtenidas mediante cámaras trampa, para resolver problemas de gran volumen en investigación científica.
Red de Universidades con Carreras en Informática
description El manejo de ambientes naturales, ya sea para conservación o producción, requiere de una profunda comprensión de la vida silvestre. El número, la ubicación y el comportamiento de los animales salvajes es uno de los principales objetos de estudio en ecología y vida silvestre. El uso de cámaras trampa ofrece la oportunidad de recopilar rápidamente grandes cantidades de fotografías que -sin la presencia humana- registran a la fauna en su hábitat natural, evitando factores que alteren su comportamiento. En Tierra del Fuego, Argentina, se desarrollan investigaciones sobre el uso del bosque por parte de distintos herbívoros (guanacos, vacas, ovejas) para optimizar el manejo y proteger dichos ecosistemas naturales. Si bien las cámaras trampa permiten la obtención de millones de imágenes, la interpretación de tales fotografías representa un problema de escala para el procesamiento manual. Así, gran parte del valioso conocimiento en estos enormes repositorios de datos sigue sin ser aprovechado. Las Redes Neuronales y el Deep Learning son áreas de estudio dentro la Inteligencia Artificial, durante la última década estas dos disciplinas han hecho cuantiosos aportes en el ámbito del reconocimiento de imágenes de gran relevancia a nivel mundial. Los estudios ecológicos y de conservación de la vida silvestre, pueden combinarse con estas nuevas tecnologías para extraer información importante a partir de las fotografías obtenidas por cámaras trampa, con el objeto de aportar a la comprensión de distintos procesos naturales y mejorar el manejo de las áreas silvestres implicadas. Nuestro proyecto busca desarrollar modelos de redes neuronales para clasificar especies de animales en fotografías obtenidas mediante cámaras trampa, para resolver problemas de gran volumen en investigación científica.
publishDate 2022
dc.date.none.fl_str_mv 2022-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/144851
url http://sedici.unlp.edu.ar/handle/10915/144851
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-48222-3-9
info:eu-repo/semantics/reference/hdl/10915/142555
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
478-482
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616246768697344
score 13.069144

Publicaciones similares