Detección de embarcaciones utilizando Deep Learning e imágenes satelitales ópticas

Show simple item record

dc.contributor.advisor Castro Gutierrez, Eveling Gloria
dc.contributor.author Nina Choquehuayta, Wilder
dc.date.accessioned 2021-05-20T20:12:46Z
dc.date.available 2021-05-20T20:12:46Z
dc.date.issued 2020
dc.identifier.uri http://hdl.handle.net/20.500.12773/12247
dc.description.abstract La detección de embarcaciones es un tema prioritario que ayuda a combatir la pesca ilegal, en búsqueda y rescate de navíos perdidos, entre otras actividades prioritarias en el mar Actualmente el uso técnicas de Aprendizaje Profundo en la detección de objetos está dando buenos resultados sobre imágenes satelitales. En la presente investigación se presenta un modelo que permite detectar embarcaciones dentro de las 100 millas del borde costero del Perú, utilizando técnicas de Aprendizaje Profundo e Imágenes Satelitales. Se realizó una comparación entre la última versión de You Only Look Once (YOLO) y You Only Look Twice (YOLT) para resolver el problema de detectar objetos pequeños (barcos) en el mar sobre imágenes satelitales ópticas debido a la gran diversidad de embarcaciones que existen en el Perú. Se trabajó con dos conjuntos de datos: High-Resolution Ship Collection (HRSC) y Mini Ship Data Set (MSDS), este último fue construido a partir de embarcaciones provenientes del borde costero del Perú. El ancho promedio de los objetos para HRSC y MSDS son 150 y 50 píxeles respectivamente. Los resultados mostraron que YOLT es bueno solo para objetos pequeños con 76,06% de Average Precision (AP), mientras que YOLO alcanzó 69,80 % en el conjunto de datos HRSC. Además, en el caso del conjunto de datos HRSC donde tienen objetos de diferentes tamaños, YOLT obtuvo un 40% de AP contra 75% de YOLO es_PE
dc.format application/pdf es_PE
dc.language.iso spa es_PE
dc.publisher Universidad Nacional de San Agustín de Arequipa es_PE
dc.rights info:eu-repo/semantics/openAccess es_PE
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0/ es_PE
dc.source Universidad Nacional de San Agustín de Arequipa es_PE
dc.source Repositorio Institucional - UNSA es_PE
dc.subject Detección de Objetos es_PE
dc.subject Detección de Barcos es_PE
dc.subject Redes Neuronales Convolucionales es_PE
dc.subject Imágenes Satelitales es_PE
dc.title Detección de embarcaciones utilizando Deep Learning e imágenes satelitales ópticas es_PE
dc.type info:eu-repo/semantics/bachelorThesis es_PE
thesis.degree.name Ingeniero de Sistemas es_PE
thesis.degree.grantor Universidad Nacional de San Agustín de Arequipa.Facultad de Ingeniería de Producción y Servicios es_PE
thesis.degree.discipline Ingeniería de Sistemas es_PE
dc.subject.ocde https://purl.org/pe-repo/ocde/ford#2.02.04 es_PE
renati.advisor.dni 29695284
renati.advisor.orcid https://orcid.org/0000-0002-0203-041X es_PE
renati.author.dni 46107976
renati.discipline 612076 es_PE
renati.juror Silva Fernandez, Jesus Martin
renati.juror Castro Gutierrez, Eveling Gloria
renati.juror Cornejo Aparicio, Victor Manuel
renati.level http://purl.org/pe-repo/renati/level#tituloProfesional es_PE
renati.type http://purl.org/pe-repo/renati/type#tesis es_PE
dc.publisher.country PE es_PE


Files in this item

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess

Search DSpace


Browse

My Account

Statistics