Diseño, implementación y evaluación de técnicas de detección de C. elegans mediante redes neuronales convolucionales Mask R-CNN

Abstract

[ES] El objetivo de este trabajo consiste en el diseño, implementación y evaluación de técnicas de detección de C. elegans en imágenes capturadas con un sistema de visión concreto mediante redes neuronales convolucionales tipo Mask R-CNN con la finalidad de poder monitorizar su comportamiento.

Para la realización del trabajo se parte de un dataset de imágenes, las cuales ya están etiquetadas, proporcionadas por el Instituto de Automática e Informática Industrial (ai2) de la UPV. Para la obtención de los resultados deseados, se utilizará Pytorch, Open CV, entre otras librerías de Python.

Finalmente, se evaluarán y optimizarán las distintas propuestas, utilizando como criterios de optimización tanto las tasas de aciertos como los costes temporales.

[CAT] L'objectiu d'aquest treball consisteix en el disseny, implementació i avaluació de tècniques de detecció de C. elegans en imatges capturades amb un sistema de visió concret mitjançant xarxes neuronals convolucionals del tipus Mask R-CNN amb la finalitat de poder monitoritzar el seu comportament. Per a la realització del treball es parteix d’un dataset d’imatges, les quals ja estan etiquetades, proporcionades per l’Institut d’Automàtica i Informàtica Industrial (ai2) de la UPV. Per a l’obtenció dels resultats desitjats, s’utilitzarà Pytorch, OpenCV, entre altres llibreries de Python. Finalment, s'avaluaran i optimitzaran tant les taxes d'encerts com els costos temporals

[EN] The objective of this work consists of the design, implementation and evaluation of techniques for C. elegans detection in images captured with a concrete vision system through Mask R-CNN convolutional neural networks with the purpose of being able to monitor their behavior.

The making of this work is based in an image dataset, with the images already classified, provided by the Instituto de Automática e Informática Industrial (ai2) from the UPV. To obtain the desired results, Pytorch, OpenCV, among other Python libraries will be used.

Finally, the different proposals will be evaluated and optimized, using both hit rates and time costs as optimization criteria.