You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
"Desarrollamos un sistema de detección de minas antipersonales basado en aprendizaje profundo utilizando imágenes térmicas aéreas del dataset público 'Dataset of Thermographic Images for the Detection of Buried Landmines'. Nuestra metodología combina técnicas de preprocesamiento de imágenes y ajuste fino de arquitecturas de vanguardia como ResNet, ConvNeXt, Vision Transformer (ViT) y Swin Transformer para la tarea de clasificación binaria (mina / no mina), alcanzando una exactitud del 99.23%, precisión del 100%, sensibilidad del 94.87% y especificidad del 100%, superando el estado del arte. Adicionalmente, realizamos un proceso de anotación manual de 360 imágenes para la tarea de detección y entrenamos YOLOv8, obteniendo una precisión del 99.4%, sensibilidad del 97.8% y un mAP@50 de 99.3%, estableciendo un baseline sólido para tareas de localización. Este trabajo destaca el potencial del aprendizaje profundo junto con las imágenes térmicas en tareas críticas de seguridad humanitaria, abriendo camino hacia soluciones automatizadas y robustas en la remoción de minas antipersonales.",
0 commit comments