| TAZ-TFM-2021-1442 |
Detección y segmentación de objetos en imágenes panorámicas
de Nova Guerrero, Alejandro
Guerrero Campo, José Jesús (dir.) ; Berenguel Baeta, Samuel Bruno (dir.)
Universidad de Zaragoza,
EINA,
2021
Departamento de Informática e Ingeniería de Sistemas, Área de Ingeniería de Sistemas y Automática
Máster Universitario en Ingeniería Industrial
Resumen: En este trabajo se ha programado 'from scratch' una red neuronal convolucional para detección y segmentación semántica de objetos en imágenes panorámicas de interior. Se ha basado en la arquitectura utilizada en la red neuronal BlitzNet desarrollada para el uso de imágenes convencionales, pero adaptándola para su aplicación directa a imágenes panorámicas, haciendo uso de convoluciones equirectangulares en lugar de convoluciones estándar para lidiar con la distorsión presente en las imágenes panorámicas.Las ramas de detección y segmentación semántica comparten gran parte de la estructura de la red neuronal, lo que facilita el aprendizaje conjunto de ambas tareas. Además, la arquitectura propuesta permite realizar ambas tareas a diferentes escalas, pudiendo detectar y segmentar objetos de diversos tamaños.El modelo se ha implementado en Python utilizando Tensorflow 2.x, una librería específica de deep learning más eficiente y sencilla que su versión anterior, Tensorflow 1.x, en la que está programada la red neuronal original de BlitzNet.
Tipo de Trabajo Académico: Trabajo Fin de Master
El registro pertenece a las siguientes colecciones:
Trabajos académicos > Trabajos Académicos por Centro > Escuela de Ingeniería y Arquitectura
Trabajos académicos > Trabajos fin de máster