Técnicas Avanzadas de Visión por Computador (VC) basadas en Deep Learning (DL) aplicadas a la monitorización de especies marinas (Bluefin Tuna)

Abstract

[ES] Este trabajo fin de grado está orientado a explorar las arquitecturas, técnicas y metodologías de las redes neuronales convolucionales (CNN), aplicadas al procesamiento de imágenes y la caracterización de objetos en ellas. En este proyecto se aplica la técnica conocida como transfer learning, técnica que aprovecha redes previamente entrenadas con una gran cantidad de datos para adaptarlas a nuevas tareas con un entrenamiento mucho más rápido. Esto permite acortar de forma considerable el tiempo de desarrollo necesario para una primera aproximación al problema. Se aborda el estudio de los modelos Faster R-CNN, Mask R-CNN, YOLOv5 y PointRend para la detección y segmentación de imágenes subacuáticas de especies marinas, en concreto de la especie Thunnus thynnus (atún rojo del Atlántico), con el objetivo de monitorizar automáticamente la biomasa de la población de esta especie.

[EN] This work is aimed at exploring the architectures, techniques and methodologies of convolutional neural networks (CNN), applied to image processing and the characterization of objects in them. In this project, the technique known as transfer learning is applied, a technique that takes advantage of previously trained networks with a large amount of data to adapt them to new tasks with much faster training. This allows to considerably shorten the development time required for a first approach to the problem. The study of the Faster R-CNN, Mask R-CNN, YOLOv5 and PointRend models for the detection and segmentation of underwater images of marine species, specifically of the species Thunnus thynnus (Atlantic Bluefin tuna) is addressed, with the aim of automatically monitoring the biomass of the population of this species.