Uso de información de índices espectrales e imágenes sintéticas en el entrenamiento de una Red Neuronal Convolucional en la detección de Caiman latirostris

Autores
Pighin, Gabriel G.; Piña, Carlos Ignacio; Albornoz, Enrique Marcelo
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Durante la última década, los drones han expandido y consolidado su utilización en el campo de la ecología como una herramienta de monitoreo de especies in situ. Esto ha complementado otros métodos tradicionales de conteo en campo, realizados por señalamiento directo o búsqueda en fotografías aéreas o satelitales. Sin embargo, hay especies de gran interés de estudio para la región, como es el caso del Caiman latirostris, que presentan una mayor complejidad para ser detectadas debido a su capacidad para camuflarse, lo cual las hace difícil de diferenciar de su entorno. En conjunto con los drones utilizados en ecología, el conteo manual ha sido progresivamente complementado por el uso de Redes Neuronales, destacando particularmente a las Redes Neuronales Convolucionales (RNC) por su aplicabilidad en problemas asociados al procesamiento de imágenes. En el presente trabajo se presentan 3 alternativas de entrenamiento para una Red Convolucional (YOLOv8) y se evalúan sus desempeños: 1) Con aplicación directa sobre imágenes originales; 2) Con transformación de imágenes a matrices conformadas por índices espectrales; 3) Con aumentación de datos mediante el uso de imágenes sintéticas, simulando una distribución de individuos. En resultados preliminares, se ha encontrado que la primer opción sigue logrando un mejor desempeño respecto de los otros métodos propuestos. Contrario a nuestras hipótesis, el uso de índices espectrales empeoró ligeramente los resultados, mientras que el uso de imágenes sintéticas tuvo un rendimiento inferior.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Aprendizaje Profundo
drones
Caiman latirostris
monitoreo
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:10915/176364
Acceder
id SEDICI_9822c47cce75d6aaf8ad08a0d661ae9c
oai_identifier_str oai:sedici.unlp.edu.ar:10915/176364
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Uso de información de índices espectrales e imágenes sintéticas en el entrenamiento de una Red Neuronal Convolucional en la detección de Caiman latirostrisPighin, Gabriel G.Piña, Carlos IgnacioAlbornoz, Enrique MarceloCiencias InformáticasAprendizaje ProfundodronesCaiman latirostrismonitoreoDurante la última década, los drones han expandido y consolidado su utilización en el campo de la ecología como una herramienta de monitoreo de especies in situ. Esto ha complementado otros métodos tradicionales de conteo en campo, realizados por señalamiento directo o búsqueda en fotografías aéreas o satelitales. Sin embargo, hay especies de gran interés de estudio para la región, como es el caso del Caiman latirostris, que presentan una mayor complejidad para ser detectadas debido a su capacidad para camuflarse, lo cual las hace difícil de diferenciar de su entorno. En conjunto con los drones utilizados en ecología, el conteo manual ha sido progresivamente complementado por el uso de Redes Neuronales, destacando particularmente a las Redes Neuronales Convolucionales (RNC) por su aplicabilidad en problemas asociados al procesamiento de imágenes. En el presente trabajo se presentan 3 alternativas de entrenamiento para una Red Convolucional (YOLOv8) y se evalúan sus desempeños: 1) Con aplicación directa sobre imágenes originales; 2) Con transformación de imágenes a matrices conformadas por índices espectrales; 3) Con aumentación de datos mediante el uso de imágenes sintéticas, simulando una distribución de individuos. En resultados preliminares, se ha encontrado que la primer opción sigue logrando un mejor desempeño respecto de los otros métodos propuestos. Contrario a nuestras hipótesis, el uso de índices espectrales empeoró ligeramente los resultados, mientras que el uso de imágenes sintéticas tuvo un rendimiento inferior.Red de Universidades con Carreras en Informática2024-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf492-503http://sedici.unlp.edu.ar/handle/10915/176364spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2428-5info:eu-repo/semantics/reference/hdl/10915/172755info: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:UNLP2025-09-29T11:47:28Zoai:sedici.unlp.edu.ar:10915/176364Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:47:28.882SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Uso de información de índices espectrales e imágenes sintéticas en el entrenamiento de una Red Neuronal Convolucional en la detección de Caiman latirostris
title Uso de información de índices espectrales e imágenes sintéticas en el entrenamiento de una Red Neuronal Convolucional en la detección de Caiman latirostris
spellingShingle Uso de información de índices espectrales e imágenes sintéticas en el entrenamiento de una Red Neuronal Convolucional en la detección de Caiman latirostris
Pighin, Gabriel G.
Ciencias Informáticas
Aprendizaje Profundo
drones
Caiman latirostris
monitoreo
title_short Uso de información de índices espectrales e imágenes sintéticas en el entrenamiento de una Red Neuronal Convolucional en la detección de Caiman latirostris
title_full Uso de información de índices espectrales e imágenes sintéticas en el entrenamiento de una Red Neuronal Convolucional en la detección de Caiman latirostris
title_fullStr Uso de información de índices espectrales e imágenes sintéticas en el entrenamiento de una Red Neuronal Convolucional en la detección de Caiman latirostris
title_full_unstemmed Uso de información de índices espectrales e imágenes sintéticas en el entrenamiento de una Red Neuronal Convolucional en la detección de Caiman latirostris
title_sort Uso de información de índices espectrales e imágenes sintéticas en el entrenamiento de una Red Neuronal Convolucional en la detección de Caiman latirostris
dc.creator.none.fl_str_mv Pighin, Gabriel G.
Piña, Carlos Ignacio
Albornoz, Enrique Marcelo
author Pighin, Gabriel G.
author_facet Pighin, Gabriel G.
Piña, Carlos Ignacio
Albornoz, Enrique Marcelo
author_role author
author2 Piña, Carlos Ignacio
Albornoz, Enrique Marcelo
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Aprendizaje Profundo
drones
Caiman latirostris
monitoreo
topic Ciencias Informáticas
Aprendizaje Profundo
drones
Caiman latirostris
monitoreo
dc.description.none.fl_txt_mv Durante la última década, los drones han expandido y consolidado su utilización en el campo de la ecología como una herramienta de monitoreo de especies in situ. Esto ha complementado otros métodos tradicionales de conteo en campo, realizados por señalamiento directo o búsqueda en fotografías aéreas o satelitales. Sin embargo, hay especies de gran interés de estudio para la región, como es el caso del Caiman latirostris, que presentan una mayor complejidad para ser detectadas debido a su capacidad para camuflarse, lo cual las hace difícil de diferenciar de su entorno. En conjunto con los drones utilizados en ecología, el conteo manual ha sido progresivamente complementado por el uso de Redes Neuronales, destacando particularmente a las Redes Neuronales Convolucionales (RNC) por su aplicabilidad en problemas asociados al procesamiento de imágenes. En el presente trabajo se presentan 3 alternativas de entrenamiento para una Red Convolucional (YOLOv8) y se evalúan sus desempeños: 1) Con aplicación directa sobre imágenes originales; 2) Con transformación de imágenes a matrices conformadas por índices espectrales; 3) Con aumentación de datos mediante el uso de imágenes sintéticas, simulando una distribución de individuos. En resultados preliminares, se ha encontrado que la primer opción sigue logrando un mejor desempeño respecto de los otros métodos propuestos. Contrario a nuestras hipótesis, el uso de índices espectrales empeoró ligeramente los resultados, mientras que el uso de imágenes sintéticas tuvo un rendimiento inferior.
Red de Universidades con Carreras en Informática
description Durante la última década, los drones han expandido y consolidado su utilización en el campo de la ecología como una herramienta de monitoreo de especies in situ. Esto ha complementado otros métodos tradicionales de conteo en campo, realizados por señalamiento directo o búsqueda en fotografías aéreas o satelitales. Sin embargo, hay especies de gran interés de estudio para la región, como es el caso del Caiman latirostris, que presentan una mayor complejidad para ser detectadas debido a su capacidad para camuflarse, lo cual las hace difícil de diferenciar de su entorno. En conjunto con los drones utilizados en ecología, el conteo manual ha sido progresivamente complementado por el uso de Redes Neuronales, destacando particularmente a las Redes Neuronales Convolucionales (RNC) por su aplicabilidad en problemas asociados al procesamiento de imágenes. En el presente trabajo se presentan 3 alternativas de entrenamiento para una Red Convolucional (YOLOv8) y se evalúan sus desempeños: 1) Con aplicación directa sobre imágenes originales; 2) Con transformación de imágenes a matrices conformadas por índices espectrales; 3) Con aumentación de datos mediante el uso de imágenes sintéticas, simulando una distribución de individuos. En resultados preliminares, se ha encontrado que la primer opción sigue logrando un mejor desempeño respecto de los otros métodos propuestos. Contrario a nuestras hipótesis, el uso de índices espectrales empeoró ligeramente los resultados, mientras que el uso de imágenes sintéticas tuvo un rendimiento inferior.
publishDate 2024
dc.date.none.fl_str_mv 2024-10
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/10915/176364
url http://sedici.unlp.edu.ar/handle/10915/176364
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2428-5
info:eu-repo/semantics/reference/hdl/10915/172755
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
492-503
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_ 1844616338314625024
score 13.070432

Publicaciones similares