La estimación de la abundancia de aves marinas y pinnípedos es fundamental para la gestión de la vida silvestre y el monitoreo de ecosistemas en la Antártida. Los sistemas aéreos no tripulados (UAS) pueden recopilar imágenes para apoyar el monitoreo, pero el análisis manual de imágenes a menudo es poco práctico. Automatizar la detección de objetivos utilizando técnicas de aprendizaje profundo puede mejorar la adquisición de datos, pero diferentes sensores de imagen pueden afectar la detectabilidad de los objetivos y el rendimiento del modelo. Comparamos el rendimiento de modelos de detección automatizada basados en imágenes infrarrojas (IR) o de color (RGB) y probamos si las imágenes IR, o los datos de entrenamiento que incluían anotaciones de características no objetivo, mejoraban el rendimiento del modelo. Para esta evaluación, recopilamos imágenes emparejadas de IR y RGB de pingüinos en anidación (Pygoscelis spp.) y agrupaciones de focas de pelaje antártico (Arctocephalus gazella) con un pequeño UAS en el Cabo Shirreff, Isla Livingston (60.79 grados O, 62.46 grados S). Entrenamos siete modelos de clasificación independientes utilizando el software Video and Image Analytics for Marine Environments (VIAME) y creamos una herramienta de acceso abierto en R, vvipr, para estandarizar la evaluación del rendimiento de los modelos basados en VIAME. Encontramos que las imágenes IR y la adición de anotaciones de no objetivo no tenían beneficios claros para el rendimiento del modelo dados los datos disponibles. No obstante, el rendimiento generalmente alto de los modelos de pingüinos proporcionó resultados alentadores para mejorar aún más el análisis automatizado de imágenes a partir de encuestas de UAS.