PyConES 2023

Se han guardado sus preferencias de configuración regional. Nos gusta pensar que tenemos un excelente soporte para el español en Pretalx, pero si encuentra problemas o errores, ¡contáctenos!

Miguel Sánchez Novo

Trabajo como data scientist en el Instituto de Ingeniería del Conocimiento (IIC) y como profesor asociado en el CEU. Mi campo de especialización es el "Computer Vision".


LinkedIn

https://www.linkedin.com/in/miguelsancheznovo/

Otro enlace (e.g. GitHub)

https://github.com/msanov


Session

07/10
15:30
35minutos
Generación sintética de imágenes para detección y segmentación
Miguel Sánchez Novo

La generación sintética de imágenes es un campo en rápido crecimiento en el mundo de la inteligencia artificial, que juega un papel crucial en la detección y segmentación de imágenes. A medida que los conjuntos de datos naturales se vuelven cada vez más difíciles de obtener debido a problemas de privacidad, costos y tiempo, la generación sintética de imágenes proporciona una solución prometedora, generando datos realistas y ricos en variedad para el entrenamiento de modelos de aprendizaje profundo.

El desafío principal en la detección y segmentación de imágenes radica en la escasez de datos de entrenamiento anotados de alta calidad. Aquí es donde la generación sintética de imágenes juega un papel crucial, ya que puede generar un número infinito de imágenes de entrenamiento etiquetadas automáticamente, evitando los costes y el tiempo asociados a la anotación manual.

Estas imágenes generadas sintéticamente pueden cubrir una amplia gama de escenarios, objetos y condiciones que podrían no estar presentes en los conjuntos de datos de entrenamiento existentes. Esta diversidad mejora la robustez de los modelos de detección y segmentación de imágenes, permitiéndoles manejar situaciones más variadas y complejas.

Además, las imágenes generadas sintéticamente pueden ser utilizadas para la detección y segmentación de objetos raros o anómalos, situaciones en las que los datos reales podrían ser excepcionalmente escasos. Por lo tanto, la generación sintética de imágenes puede ser un recurso invaluable para mejorar el rendimiento de los modelos de computer vision en una variedad de aplicaciones.

En conclusión, la generación sintética de imágenes abre nuevas vías para superar los desafíos en la detección y segmentación de imágenes, principalmente en términos de escasez de datos y diversidad de situaciones.

Deep Learning
Tejita (Sala 1.9)