Adaptación de imágenes con transporte óptimo y aprendizaje profundo para una mejora en la detección de espigas de trigo

Abstract

En este trabajo se aplicó una metodología de adaptación de dominio basada en el transporte óptimo, la cual permite modificar la distribución de colores de una imagen para que se alinee con la de una imagen al azar de otro dominio. Al aplicar este método a las imágenes de la base de datos Global Wheat Head Detection 2021 y posteriormente entrenar un modelo YOLOv5s, se encontró que la precisión promedio media (mAP50) del modelo aumenta hasta un 4.1% comparado con el mismo modelo sin aplicar este método. Además, al eliminar imágenes para crear una base de datos balanceada, este aumento en el mAP50 se dispara hasta un 8.4 %. Así, la metodología propuesta presenta una alternativa que mejora la detección de espigas sin aumentar la complejidad de la red neuronal o el tamaño de la base de datos.