Integración de Redes de Segmentación para la Automatización Eficiente del Etiquetado de Imágenes

Abstract

En los últimos años, la segmentación semántica se ha vuelto crucial para la navegación autónoma de vehículos, permitiendo comprender y clasificar el entorno de manera precisa. Las redes de segmentación semántica como SegNext, Mask2Former, Detectron2, MaskDino, MMSeg y ONE-PEACE destacan por su capacidad de identificar objetos y áreas dentro de un entorno, facilitando así la toma de decisiones autónoma. Este TFM se centra en el estudio y análisis de estas redes y en la exploración de métodos para combinarlas con el objetivo de mejorar su desempeño.

Durante el desarrollo de este trabajo, se han investigado métodos de combinación de redes mediante votación pura y votación ponderada. Estos métodos permiten integrar las salidas de múltiples redes de segmentación semántica, optimizando la precisión y la robustez de la percepción del entorno por parte de los vehículos autónomos.

Para llevar a cabo esta investigación, se ha utilizado un conjunto de datos propio, compuesto principalmente por imágenes recogidas en la Sierra de Madrid, entre otros lugares. Este dataset proporciona un contexto único y desafiante para validar las mejoras propuestas, ya que incluye una variedad de escenarios naturales y rurales que difieren significativamente de los entornos urbanos típicos.

Los resultados obtenidos han demostrado que los modelos individuales ya presentan un buen rendimiento y que las técnicas de ensamblaje, especialmente aquellas que integran modelos complementarios, ofrecen una vía prometedora para optimizar el rendimiento en la clasificación de imágenes.

In recent years, semantic segmentation has become crucial for autonomous vehicle navigation, enabling accurate understanding and classification of the environment. Semantic segmentation networks such as SegNext, Mask2Former, Detectron2, MaskDino, MMSeg, and ONE-PEACE stand out for their ability to identify objects and areas within an environment, thereby facilitating autonomous decision-making. This Master's Thesis focuses on the study and analysis of these networks and the exploration of methods to combine them to improve their performance. During the development of this work, methods for combining networks through pure voting and weighted voting were investigated. These methods allow the integration of outputs from multiple semantic segmentation networks, optimizing the accuracy and robustness of environmental perception by autonomous vehicles. To conduct this research, a proprietary dataset was used, composed mainly of images collected in the Sierra de Madrid, among other locations. This dataset provides a unique and challenging context for validating the proposed improvements, as it includes a variety of natural and rural scenarios that differ significantly from typical urban environments. The results obtained have demonstrated that individual models already perform well and that ensemble techniques, particularly those integrating complementary models, offer a promising avenue for optimizing image classification performance.