Aprenentatge profund per a la generació automàtica de màscares de zones d'interès en imatges de carrosseries de cotxe

Abstract

[CA] La intel·ligència artificial (IA) és un dels camps més actius de la informàtica actual, ofereix un ampli rang d’aplicacions al món real, des de les recomanacions que ens suggereixen plataformes com YouTube, fins a grans aplicacions industrials. En aquest cas, dins del sector industrial, l’ús de la IA sol estar enfocada a l’automatització de procediments que resulten molt costosos per als treballadors. Es proposa un Treball de FI de Grau (TFG) centrat en l’ús de la IA per a la segmentació semàntica d’imatges amb l’ús de xarxes neuronals profundes. Aquests models es volen aplicar al sector de l’automòbil i, en particular, a imatges de carrosseries de cotxe. Es pretén generar automàticament màscares de zones d’interès per a la detecció posterior de defectes. S’emprarà un conjunt gran d’imatges, amb màscares fetes a mà, per tal d’entrenar les xarxes. La implementació es durà a terme amb Sublime Text, Anaconda i biblioteques de Pytorch especialitzades en tasques de visió artificial i aprenentatge profund. Els resultats obtinguts per les xarxes apreses s’avaluaran amb els nivells de precisió que requereix la tasca. Es preveu que el sistema ajude a automatitzar i accelerar un procediment que es fa de forma manual per un tècnic, amb un gran cost temporal.

[EN] Artificial intelligence (AI) is one of the most active fields in computer science today, offering a wide range of real-world applications from computing today, offering a wide range of real-world applications, from the recommendations suggested by platforms such as YouTube, to large industrial applications. In this case, within the industrial sector, the use of AI is often focused on the automation of procedures that are very costly for workers. A Final Degree Project (TFG) is proposed that focuses on the use of AI for semantic image segmentation using deep neural networks. These models are to be applied to the automotive sector and, in particular, to images of car bodies. The aim is to automatically generate masks of areas of interest for subsequent defect detection. A large set of images, with hand-made masks, will be used to train the networks. The implementation will be carried out with Sublime Text, Anaconda and Pytorch libraries specialised in computer vision and deep learning tasks. The results obtained by the learned networks will be evaluated with the levels of accuracy required by the task. It is expected to help automate and speed up a procedure that is done manually by a technician, with a high time cost.

[ES] La inteligencia artificial (IA) es uno de los campos más activos de la informática actual, ofrece un amplio rango de aplicaciones al mundo real, desde las recomendaciones que nos sugieren plataformas como YouTube, hasta grandes aplicaciones Industriales. En este caso, dentro del sector industrial, el uso de la IA suele estar enfocada a la automatización de procedimientos que resultan muy costosos para los trabajadores. Se propone un Trabajo Fin de Grado (TFG) centrado en uso de la IA para la segmentación semántica de imágenes con el uso de redes neuronales profundas. Estos modelos se quieren aplicar al sector del automóvil y, en particular, a imágenes de carrocerías de coche. Se pretende generar automáticamente máscaras de zonas de interés para la detección posterior de defectos. Se empleará un conjunto grande de imágenes, con máscaras hechas a mano, para entrenar las redes. La implementación se llevará a cabo con Sublime Text, Anaconda y bibliotecas de Pytorch especializadas en tareas de visión artificial y aprendizaje profundo. Los resultados obtenidos por las redes aprendidas se evaluarán con los niveles de precisión que requiere la tarea. Se prevé que el sistema ayude a automatizar y acelerar un procedimiento que se hace ahora de forma manual por un técnico, con un gran coste temporal.