Detección de piscinas ilegales en imágenes aéreas utilizando técnicas de Deep Learning
Manresa Martínez, Roberto
Benavente i Vidal, Robert, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Additional title:	Detecció de piscines il·legals en imatges aèries utilitzant tècniques de Deep Learning
Additional title:	Detection of illegal pools in aerial images using Deep Learning techniques
Date:	2023
Abstract:	L'objectiu d'aquest treball és utilitzar tècniques de Deep Learning per detectar piscines il·legals en imatges aèries, millorant l'eficiència i reduint els costos associats a la seva identificació. Per aconseguir-ho, s'ha realitzat un fine-tuning del model Transformer DETR utilitzant un conjunt de dades d'imatges aèries de Catalunya. Els resultats demostren l'efectivitat del sistema en la detecció precisa de piscines, tot i que s'enfronta a desafiaments en detectar piscines de manera parcial i de menor mida. Aquest treball contribueix a l'avanç de la detecció de piscines il·legals oferint una alternativa prometedora per optimitzar els processos d'identificació i control d'aquestes infraestructures.
Abstract:	El objetivo de este trabajo es utilizar técnicas de Deep Learning para detectar piscinas ilegales en imágenes aéreas, mejorando la eficiencia y reduciendo los costos asociados a su identificación. Para ello, se ha realizado fine-tuning del modelo Transformer DETR utilizando un conjunto de datos de imágenes aéreas de Cataluña. Los resultados demuestran la efectividad del sistema en la detección precisa de piscinas, aunque se enfrenta a desafíos al detectar piscinas parcialmente así como piscinas de menor tamaño. Este trabajo contribuye al avance de la detección de piscinas ilegales ofreciendo una alternativa prometedora para optimizar los procesos de identificación y control de estas infraestructuras.
Abstract:	The objective of this study is to utilize Deep Learning techniques to detect illegal swimming pools in aerial images, aiming to enhance efficiency and reduce associated identification costs. To achieve this, a fine-tuning process is performed on the Transformer DETR model using a dataset of aerial images from Catalonia. The results demonstrate the system's effectiveness in accurately detecting swimming pools, although it faces challenges when detecting partially as well as smaller-sized ones. This research contributes to the advancement of illegal swimming pool detection by offering a promising alternative for optimizing the identification and monitoring processes of such infrastructures.
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Language:	Castellà
Studies:	Grau en Enginyeria de Dades [2503758]
Study plan:	Enginyeria de Dades [1394]
Document:	Treball final de grau ; Text
Subject:	Detecció d'objectes ; Detecció de piscines il·legals ; Transformer ; DETR ; Piscines ; Deep Learning ; Ortoimatges ; Catalunya ; Detección de Objetos ; Detección de piscinas ilegales ; Piscinas ; Ortoimágenes ; Cataluña ; Object Detection ; Illegal Pool Detection ; Pools ; Orthoimages ; Catalonia

11 p, 3.5 MB

The record appears in these collections:
Research literature > Bachelor's degree final project > School of Engineering. TFG