Técnicas de aumento de datos para imágenes aéreas y evaluación de rendimiento en modelos de deep learning

Abstract

En la actualidad, uno de los principales problemas que afronta un profesional que trabaja con modelos de deep learning (dl) es la limitada información que existe para la implementación de estos modelos, por esta razón, se hace necesario la implementación de metodologías y técnicas que permitan optimizar y mejorar el aprovechamiento de los datos con los que se cuenta; una de las principales metodologías para estos fines es el aumento de datos, que consiste en que a partir de un conjunto de datos inicial se modifican cada uno de los datos, de manera que cada una de estas transformaciones representen un dato nuevo para el conjunto. Por esta razón, en el presente artículo se exponen diversas técnicas de aumento de datos para imágenes aéreas y la evaluación de algunos de los principales modelos de Deep Learning. Tras ser entrenados con un conjunto de datos inicial, los resultados fueron contrastados con los resultados de los mismos modelos entrenados con un conjunto de datos aumentado, donde se pudo observar la mejoría en el desempeño de los modelos, disminuyendo el sobreajuste y aumentando la capacidad de generalización de estos modelos. Este trabajo se realizó bajo herramientas de software libre, con el uso de una computadora con sistema operativo Ubuntu 16.04, la programación de cada uno de los algoritmos bajo Python3 y para el despliegue se usó una tarjeta gráfica NVIDIA QUADRO P2200.