000145544 001__ 145544
000145544 005__ 20241108105822.0
000145544 0247_ $$2doi$$a10.4995/riai.2024.21290
000145544 0248_ $$2sideral$$a140466
000145544 037__ $$aART-2024-140466
000145544 041__ $$aspa
000145544 100__ $$aBorja, César$$uUniversidad de Zaragoza
000145544 245__ $$aComprensión automática de escenas en imágenes de entornos submarinos
000145544 260__ $$c2024
000145544 5060_ $$aAccess copy available to the general public$$fUnrestricted
000145544 5203_ $$aLa utilización de vehículos submarinos autónomos (AUV) representa un avance significativo en el campo de la monitorización del fondo marino. Sin embargo, el procesamiento de imágenes de datos adquiridos desde AUVs presenta un desafío único debido a las propiedades inherentes del entorno submarino, como la atenuación de la luz y la turbidez del agua. Este trabajo investiga técnicas para mejorar la comprensión automática del contenido de escenas submarinas a partir de imágenes monoculares. El sistema propuesto aprovecha modelos de aprendizaje profundo existentes junto con algoritmos simples de procesamiento de imágenes, eliminando la necesidad de entrenamiento supervisado adicional. El sistema estudia la combinación de un modelo de aprendizaje profundo pre-entrenado para la estimación de profundidad a partir de imágenes monoculares, con el algoritmo propuesto para distinguir regiones de agua del resto de elementos de la escena. El estudio presentado incluye una comparación detallada de la influencia en el resultado de varias alternativas y opciones de configuración del sistema. La validación experimental muestra cómo el sistema presentado obtiene resultados de segmentación más ricos en comparación con los algoritmos existentes utilizados como referencia. En particular, el sistema propuesto facilita la segmentación precisa de regiones de agua y facilita la detección de otros objetos de interés, incluyendo elementos suspendidos en el agua, que potencialmente pueden corresponder a peces u otros obstáculos móviles.
000145544 536__ $$9info:eu-repo/grantAgreement/ES/DGA/T45-23R$$9info:eu-repo/grantAgreement/ES/MICIU/PID2021-125514NB-I00
000145544 540__ $$9info:eu-repo/semantics/openAccess$$aby-nc-sa$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/es/
000145544 655_4 $$ainfo:eu-repo/semantics/article$$vinfo:eu-repo/semantics/publishedVersion
000145544 700__ $$0(orcid)0000-0002-7580-9037$$aMurillo, Ana C.$$uUniversidad de Zaragoza
000145544 7102_ $$15007$$2520$$aUniversidad de Zaragoza$$bDpto. Informát.Ingenie.Sistms.$$cÁrea Ingen.Sistemas y Automát.
000145544 773__ $$g21, 4 (2024), 374-382$$pRev. iberoam. autom. inform. ind.$$tRevista iberoamericana de automática e informática industrial$$x1697-7912
000145544 8564_ $$s11665191$$uhttps://zaguan.unizar.es/record/145544/files/texto_completo.pdf$$yVersión publicada
000145544 8564_ $$s2428095$$uhttps://zaguan.unizar.es/record/145544/files/texto_completo.jpg?subformat=icon$$xicon$$yVersión publicada
000145544 909CO $$ooai:zaguan.unizar.es:145544$$particulos$$pdriver
000145544 951__ $$a2024-11-08-10:37:43
000145544 980__ $$aARTICLE