La detección y análisis de imágenes capturadas por drones se ha convertido en una herramienta esencial en numerosas industrias y ámbitos de investigación. La capacidad de analizar con precisión elementos específicos como plantaciones ilegales, placas solares y piscinas desde imágenes aéreas puede proporcionar información valiosa para la toma de decisiones en campos como la seguridad, la gestión de energía y la planificación urbana.
El desafío consiste en aplicar y optimizar un algoritmo de aprendizaje profundo para la detección y segmentación precisa de elementos específicos en imágenes aéreas capturadas por drones. La optimización del modelo debe enfocarse no solo en la precisión de la detección sino también en la eficiencia, permitiendo su despliegue en sistemas de baja capacidad de procesamiento.
· Búsqueda de conjunto de datos suficiente en cantidad y diversidad: Recolectar de fuentes públicas y/o de pago la cantidad de datos necesaria en cantidad y diversidad para el desarrollo de una solución ML.
· Aplicación de Aprendizaje Profundo: Desarrollar o adaptar un algoritmo de aprendizaje profundo para la detección o segmentación precisa de elementos en imágenes aéreas, con especial atención en plantaciones ilegales, placas solares y piscinas.
· Optimización del Modelo: Reducir la complejidad del modelo sin sacrificar la precisión. Esto incluye técnicas como la fusión de capas, poda de redes y cuantización.
· Validación y Pruebas Rigurosas: Asegurar que el modelo proporciona resultados precisos y fiables mediante una serie de pruebas y validaciones.
· Implementación en Hardware de Bajas Prestaciones: Asegurarse de que el modelo optimizado puede ser desplegado y ejecutado eficientemente en sistemas con recursos limitados.
La empresa proporcionará acceso a:
· Acceso a hardware y software para el desarrollo y prueba de modelos de IA.
· Asesoramiento técnico y apoyo de expertos en visión por computadora y aprendizaje profundo.
El entregable incluirá:
· El código del modelo de aprendizaje profundo optimizado.
· Documentación detallada del diseño, implementación y optimización del modelo.
· Un informe de pruebas y validación demostrando la precisión y eficiencia del modelo.
· Guía de implementación para sistemas de bajas prestaciones.
El proyecto se distribuirá temporalmente del siguiente modo:
· Semana 1-2: Familiarización con el conjunto de datos y definición de requisitos del modelo.
· Semana 3-4: Desarrollo y entrenamiento inicial del modelo de detección.
· Semana 5-6: Primera ronda de optimización del modelo y pruebas de eficiencia.
· Semana 7-8: Evaluación de la precisión y ajustes adicionales del modelo.
· Semana 9-10: Segunda ronda de optimización y pruebas en hardware de bajas prestaciones.
· Semana 11-12: Documentación final, informe de resultados y preparación para el despliegue.
