Estudio, desarrollo y entrenamiento de redes neuronales de detección de objetos en imágenes de eventos deportivos
![Thumbnail](/dspace/bitstream/handle/2183/33352/DopicoCastro_Alejandro_TFG_2023.pdf.jpg?sequence=5&isAllowed=y)
Use este enlace para citar
http://hdl.handle.net/2183/33352
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 3.0 España
Colecciones
Metadatos
Mostrar el registro completo del ítemTítulo
Estudio, desarrollo y entrenamiento de redes neuronales de detección de objetos en imágenes de eventos deportivosAutor(es)
Directores
Silveira Carnota, JuliánCabado Lousa, Bruno
Guijarro-Berdiñas, Bertha
Fecha
2023Centro/Dpto/Entidad
Universidade da Coruña. Facultade de InformáticaDescripción
Traballo fin de grao (UDC.FIC). Enxeñaría informática. Curso 2022/2023Resumen
[Resumen]: En los últimos años ha habido un notable avance en los detectores automáticos de objetos en imágenes gracias al desarrollo de técnicas de aprendizaje profundo basadas en redes neuronales. Sin embargo, no todas estas técnicas son adecuadas para todas las aplicaciones, ya que algunos modelos no pueden funcionar en tiempo real debido a su complejidad computacional. El objetivo principal de este proyecto ha sido estudiar y desarrollar diversos tipos de detectores basados en redes neuronales para la detección precisa de objetos de interés, como personas y pelotas, en imágenes de eventos deportivos. Esto se ha realizado con el propósito de mejorar la precisión y el rendimiento de los productos utilizados por la empresa colaboradora Cinfo para la retransmisión automática de eventos deportivos. Mediante la captura y preprocesamiento de datos, se ha entrenado y evaluado un conjunto de modelos de aprendizaje profundo, logrando mejorar su precisión pasando de 0.79 a un 0.974, lo que supone una mejora del 23.3%, todo ello con un buen tiempo de respuesta que permite su uso en la detección de objetos de interés en tiempo real. Además, se ha integrado exitosamente el producto en la herramienta de inteligencia artificial utilizada por Cinfo en el contexto de las retransmisiones deportivas, brindando a los espectadores una experiencia enriquecida, con información más precisa y relevante para cada deporte en particular, gracias a los avances conseguidos. [Abstract]: In recent years there has been a remarkable progress in automatic object detectors in images thanks to the development of deep learning techniques based on neural networks. However, not all these techniques are suitable for all applications, since some models cannot work in real time due to their computational complexity. The main objective of this project has been to study and develop various types of neural network-based detectors for the accurate detection of objects of interest, such as people and balls, in images of sporting events. This has been done with the purpose of improving the accuracy and performance of the products used by the collaborating company Cinfo for the automatic broadcasting of sporting events. By capturing and preprocessing data, a set of deep learning models has been trained and evaluated, achieving an improvement in accuracy from 0.79 to 0.974, an improvement of 23.3%, all with a good response time that allows its use in the detection of objects of interest in real time. In addition, the product has been successfully integrated into the artificial intelligence tool used by Cinfo in the context of sports broadcasts, providing viewers with an enriched experience, with more accurate and relevant information for each particular sport, thanks to the advances achieved.
Palabras clave
Detección de Objetos
Eventos Deportivos
PyTorch
Inteligencia artificial
Sistema de producción
Análisis de rendimiento
Deep learning
Object detection
Sports events
Artificial intelligence
Production system
Performance analysis
Eventos Deportivos
PyTorch
Inteligencia artificial
Sistema de producción
Análisis de rendimiento
Deep learning
Object detection
Sports events
Artificial intelligence
Production system
Performance analysis
Derechos
Atribución-NoComercial-SinDerivadas 3.0 España