Data Augmentation para Problemas de Object Detection

Rodríguez Espina, Adrián (2022). Data Augmentation para Problemas de Object Detection. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Data Augmentation para Problemas de Object Detection
Author/s:
  • Rodríguez Espina, Adrián
Contributor/s:
  • Talavera Muñoz, Edgar
Item Type: Final Project
Degree: Grado en Ingeniería del Software
Date: July 2022
Subjects:
Freetext Keywords: Machine learning; Dataset; Algoritmos; Malaria
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB)

Abstract

El presente proyecto de fin de grado implementa varios algoritmos de Inteligencia Artificial, mas en concreto de Deep Learning, los cuales se han implementado para detectar la Malaria en imágenes de células humanas. Estos algoritmos se pueden dividir en los dos datasets que van a ser utilizados, por un lado, uno que solamente contiene células aisladas que pueden estar infectadas o no, y por otro lado, uno que contiene imágenes de muchas células, las cuales representan células sanas, además de las diferentes fases por las que pasa la Malaria una vez se encuentra dentro del cuerpo.Para la implementación de las soluciones a estos datasets, primeramente se han utilizado Redes Neuronales tales como Perceptrones Multicapa o Redes Convolucionales en el caso del primer dataset mencionado. En segundo lugar, se ha utilizado el algoritmo YOLO de Object Detection para la detección de objetos dentro de las imágenes. A raíz de la ejecución del algoritmo de Object Detection, nos hemos enfrentado a un problema con el desequilibrio de las clases por lo que se ha tratado de hacer Data Augmentation para las clases que tienen menos representación, en un primer momento copiando las clases en las imágenes del dataset, y mas adelante haciendo uso de las redes GAN para generar imágenes de cada una de las clases artificialmente. Abstract: This final degree project implements several Artificial Intelligence algorithms, more specifically Deep Learning algorithms, which have been implemented to detect Malaria in images of human cells. These algorithms can be divided into the two datasets that will be used, on the one hand, one that only contains isolated cells that may or may not be infected, and on the other hand, one that contains images of many cells, which represent healthy cells, as well as the different phases through which Malaria passes once it is inside the body. For the implementation of the solutions to these datasets, firstly, Neural Networks such as Multilayer Perceptrons or Convolutional Networks have been used in the case of the first dataset mentioned. Secondly, the YOLO algorithm of Object Detection has been used for the detection of objects within the images. As a result of the execution of the Object Detection algorithm, we have faced a problem with the imbalance of the classes, so we have tried to make Data Augmentation for the classes that have less representation, at first by copying the classes in the images of the dataset, and later making use of GAN networks to generate images of each of the classes artificially.

More information

Item ID: 71439
DC Identifier: https://oa.upm.es/71439/
OAI Identifier: oai:oa.upm.es:71439
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 28 Jul 2022 20:17
Last Modified: 28 Jul 2022 20:17
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM