Aumento de Datos para una Detección Mejorada de Peces en Entornos Lacustres: Transformaciones Afines, Filtros Neurales, SinGAN
Autores: Watanabe, Kidai; Nguyen-Nhu, Thao; Takano, Saya; Mori, Daisuke; Fujimoto, Yasufumi
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Aumento de Datos para una Detección Mejorada de Peces en Entornos Lacustres: Transformaciones Afines, Filtros Neurales, SinGAN
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Peces
Entornos acuáticos
Método automatizado
Modelo de detección
Rotaciones geométricas
Imágenes generadas por IA
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 19
Citaciones: Sin citaciones
Entender dónde viven los peces es clave para proteger los entornos acuáticos. Este estudio presenta un método automatizado que mejora las imágenes, incluso con datos limitados, para detectar peces con precisión. Al combinar un modelo de detección especializado con técnicas como rotaciones geométricas, filtros fotográficos e imágenes generadas por IA, este enfoque promete un monitoreo de peces más rápido y confiable, apoyando la conservación y la pesca sostenible.
Descripción
Entender dónde viven los peces es clave para proteger los entornos acuáticos. Este estudio presenta un método automatizado que mejora las imágenes, incluso con datos limitados, para detectar peces con precisión. Al combinar un modelo de detección especializado con técnicas como rotaciones geométricas, filtros fotográficos e imágenes generadas por IA, este enfoque promete un monitoreo de peces más rápido y confiable, apoyando la conservación y la pesca sostenible.