Evaluación Empírica de la Robustez de Diferentes Redes Neuronales Usadas para la Detección de Objetos

Abstract

Existen muchos algoritmos para la detección de objetos en imágenes pero dependiendo de las necesidades computacionales, velocidad de respuesta y condiciones de trabajo, resulta difícil seleccionar el que se ajuste a los requerimientos particulares. En este trabajo se presenta la evaluación de diferentes redes neuronales convolucionales aplicadas a la detección de objetos. Se exploran sus comportamientos bajo diferentes condiciones: cambios en los tamaños de objetos a detectar, en la iluminación y en los ambientes. Se evalúan sus tiempos de cómputo y la posibilidad de su uso en tiempo real. Los resultados demuestran la factibilidad del uso de estas redes para detección de objetos en ambientes industriales pero de los experimentos surgen una serie de conclusiones sobre las condiciones de funcionamiento necesarias para lograr resultados óptimos. Estas están relacionadas con la red a usar dependiendo de la velocidad, las condiciones de iluminación, el tamaño de los objetos y el entorno de trabajo. A futuro, se espera que alguno de estos algoritmos sea utilizado como parte de un sistema de seguridad industrial.