OpenStreetCam: reconocimiento automático de objetos en imágenes mediante machine learning

Abstract

OpenStreetCam es un proyecto cuyo objetivo principal es mapear cualquier localización geográfica mediante las imágenes aportadas por sus usuarios. Una de las características más interesantes que aporta el servicio, la cual ha sido el objeto principal para el desarrollo de este trabajo, es la detección en imágenes de diferentes elementos como señales de tráfico, personas y vehículos. Para la identificación de las diferentes entidades enumeradas, el sistema utiliza un algoritmo de código abierto que aplica el concepto Machine Learning (aprendizaje automático) para la detección automática de objetos. Además del algoritmo con la I.A (inteligencia artificial) el sistema utiliza una librería de visión por computador desarrollada por Facebook llamada RetinaNet. Entre sus características destaca su modelo de red, que le confiere unas prestaciones superiores a otros detectores existentes dotándolo de una precisión y velocidad que lo hace idóneo para su uso en aplicaciones en tiempo real. Este trabajo tiene como objetivo el estudio del funcionamiento del sistema de detección de OpenStretCam, así como la evaluación de su rendimiento y su grado de resolución.

OpenStreetCam és un projecte l'objectiu principal del qual és mapejar qualsevol localització geogràfica mitjançant les imatges aportades pels seus usuaris. Una de les característiques més interessants que aporta el servei, la qual ha estat l'objecte principal per al desenvolupament d'aquest treball, és la detecció en imatges de diferents elements com a senyals de trànsit, persones i vehicles. Per a la identificació de les diferents entitats enumerades, el sistema utilitza un algorisme de codi obert que aplica el concepte Machine Learning (aprenentatge automàtic) per a la detecció automàtica d'objectes. A més de l'algorisme amb la I.A (intel·ligència artificial) el sistema utilitza una llibreria de visió per computador desenvolupada per Facebook cridada RetinaNet. Entre les seves característiques destaca el seu model de xarxa, que li confereix unes prestacions superiors a altres detectors existents dotant-lo d'una precisió i velocitat que ho fa idoni per al seu ús en aplicacions en temps real. Aquest treball té com a objectiu l'estudi del funcionament del sistema de detecció de OpenStretCam, així com l'avaluació del seu rendiment i el seu grau de resolució.

OpenStreetCam is a project whose main objective is to map any geographical location using the images provided by its users. One of the most interesting features which provides the service, which has been the main object for the development of this work, is the detection in images of different elements such as traffic signs, people and vehicles. To identify the different entities listed, the system uses an open-source algorithm that applies the Machine Learning concept for the automatic detection of objects. In addition to the I.A (artificial intelligence) algorithm, the system uses a computer vision library developed by Facebook called RetinaNet. Among its features stands out its network model, which gives it superior performance to other existing detectors giving it a precision and speed that makes it suitable for use in real time applications. The objective of this work is to study the functioning of the OpenStretCam detaction system, as well as the evaluation of its performance and degree of resolution.