Resumen
El objetivo global de este proyecto es desarrollar técnicas avanzadas de Visión por Computador (VxC)
basadas en Deep Learning y Convolutional Neural Networks (CNN) aplicables a entornos naturales
subacuáticos para caracterizar biométricamente poblaciones de atún rojo de forma automática. Los
objetivos concretos son:
· Implementar algoritmos de Deep Learning y redes CNN's apropiadas para trabajar con entornos y
especies naturales, caracterizados por un elevado grado de variabilidad.
· Evaluar la detección y caracterización de atunes en videos estereoscópicos adquiridos en
condiciones reales con los desarrollos propuestos en Deep Learning y compararlos con los
obtenidos con técnicas clásicas de procesamiento. En concreto, se quiere conseguir mecanismos
robustos frente a la alta variabilidad intrínseca de entornos naturales y subacuáticos
(luminosidad, turbidez del agua, densidad de individuos, etc.), optimizando tanto el número de
atunes detectados como el tiempo de respuesta.
· Generalizar el procedimiento para que el sistema sea capaz de caracterizar la biometría de los
atunes independientemente de la posición y orientación en el espacio de las cámaras y de los
peces.
· Aplicar los desarrollos propuestos a la detección y tracking de individuos de atún rojo en
transferencias entre jaulas.
· Estudiar la viabilidad de extrapolar las técnicas para la identificación y caracterización de otras
especias marinas.
