Resumen

La detección de objetos en imágenes térmicas es una tarea importante de visión por computadora y tiene muchas aplicaciones como vehículos no tripulados, robótica, vigilancia y visión nocturna. Los detectores basados en aprendizaje profundo han logrado un gran avance, que generalmente requiere una gran cantidad de datos de entrenamiento etiquetados. Sin embargo, los datos etiquetados para la detección de objetos en imágenes térmicas son escasos y costosos de recolectar. Se espera resolver cómo aprovechar el gran número de imágenes visibles etiquetadas y adaptarlas al dominio de imágenes térmicas. Este documento propone un método de adaptación mejorado de generación de imágenes no supervisadas para la detección de objetos en imágenes térmicas. Para reducir la brecha entre el dominio visible y el dominio térmico, el método propuesto logra generar imágenes térmicas falsas simuladas que son similares a las imágenes objetivo y conservan la información de anotación del dominio fuente visible. La generación de imágenes incluye una traducción de imagen a imagen basada en CycleGAN y una

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Detección de objetos; Imágenes térmicas; Aprendizaje profundo; Datos etiquetados; Generación de imágenes; Adaptación de dominios.
• Keywords:Object detection; Thermal images; Deep learning; Labelled data; Image generation; Domain adaptation