Reconocimiento automático de barcos en imágenes aéreas mediante aprendizaje máquina

Abstract

El tráfico marítimo está creciendo cada vez más rápido. Más barcos supone un incremento de accidentes con consecuencias medioambientales, pesca ilegal o transporte de mercancías prohibidas. Esto ha hecho que muchas organizaciones como gobiernos o compañías de seguros tengan especial interés en la vigilancia del tráfico marítimo. El objetivo de este trabajo es la detección de barcos a partir de imágenes aéreas. Este problema es bastante complicado de resolver mediante técnicas de procesado de imagen clásicas pero supone un desafío apropiado para los altos niveles de abstracción que se pueden conseguir con las técnicas de aprendizaje máquina. En este proyecto se realiza un análisis profundo de las técnicas de Machine Learning, centrado en las técnicas de Deep Learning usadas para la segmentación de objetos en imágenes. Para ello, se comienza con un desarrollo teórico de los fundamentos del tratamiento de imágenes y el Deep Learning, para terminar con una recopilación y análisis de una serie de arquitecturas usadas en la actualidad, ahondándose en su estructura interna y las mejoras que aportan cada una de estas. Posteriormente, se presentan dos modelos para la resolución del problema de segmentación de barcos en imágenes aéreas, basándonos en el conjunto de datos proporcionados por Airbus para una competición en la plataforma Kaggle. Con este fin, se pasa a exponer las estructuras, los pasos necesarios para el ajuste y el desempeño a un nivel pormenorizado de cada uno de ellos. Finalmente, se presentan ambos modelos a la competición y se compara su rendimiento con los demás competidores a nivel mundial.

Shipping traffic is growing fast. More ships increase the chances of infractions at sea like environmentally devastating ship accidents, piracy, illegal fishing, drug trafficking, and illegal cargo movement. This has compelled many organizations, from environmental protection agencies to insurance companies and national government authorities, to have a closer watch over the open seas. The project goal is ship detection over satellite images. These problems are hard enough to solve with classic computer vision techniques, so they are an appropriate challenge for the high abstraction levels that machine learning can achieve. In this project, a deep analysis of Machine Learning techniques is presented, focused on Deep Learning techniques used for the segmentation of objects in images. To do this, it begins with a theoretical development of the fundamentals of image processing and Deep Learning, ending with a survey and analysis of a series of architectures used today, delving into their internal structure and the improvements provided by each one. Later, two models are presented to solve the problem of segmentation of ships in aerial images, based on the data set provided by Airbus for a competition on the Kaggle platform. To do this, the structures, the necessary steps for adjustment and performance at a detailed level of each of them are exposed. Finally, both models are presented to the competition and their performance is compared with other competitors worldwide.