Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales Convolucionales

Autores
Nemer Pelliza, Karim Alejandra
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Debido a la creciente pesca ilegal, es fundamental detectar barcos pesqueros para monitorear y controlar estos delitos. Los investigadores han estado trabajando constantemente y enfrentando desafíos para detectar barcos automáticamente, principalmente utilizando sensores remotos, lo que ha demostrado un gran impacto en brindar seguridad. Existen múltiples sistemas capaces de detectar barcos de forma eficiente. En este trabajo se avanza un poco más, tratando de identificar si los barcos detectados son pesqueros o no, para esto se presenta una base de datos de más de 11000 imágenes con barcos detectados, de los cuales cerca de 8000 tienen metadatos que contienen las características de los mismos, entre lo que se destacan dimensiones, finalidad, rumbo, entre otras. La información de los navíos se obtuvieron a partir del AIS registrado de los mismos. Se presenta también una estructura de red neuronal convolucional que permite distinguir si el navío detectado es pesquero o no.
Fil: Nemer Pelliza, Karim Alejandra. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigacion en Informática para la Ingeniería; Argentina.
Materia
Redes Neuronales
Clasificación de imágenes
Imágenes SAR
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-NoDerivatives 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/13141
Acceder
id RIAUTN_f7e4ab8ff346938cd55663095ac83c4d
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/13141
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales ConvolucionalesNemer Pelliza, Karim AlejandraRedes NeuronalesClasificación de imágenesImágenes SARDebido a la creciente pesca ilegal, es fundamental detectar barcos pesqueros para monitorear y controlar estos delitos. Los investigadores han estado trabajando constantemente y enfrentando desafíos para detectar barcos automáticamente, principalmente utilizando sensores remotos, lo que ha demostrado un gran impacto en brindar seguridad. Existen múltiples sistemas capaces de detectar barcos de forma eficiente. En este trabajo se avanza un poco más, tratando de identificar si los barcos detectados son pesqueros o no, para esto se presenta una base de datos de más de 11000 imágenes con barcos detectados, de los cuales cerca de 8000 tienen metadatos que contienen las características de los mismos, entre lo que se destacan dimensiones, finalidad, rumbo, entre otras. La información de los navíos se obtuvieron a partir del AIS registrado de los mismos. Se presenta también una estructura de red neuronal convolucional que permite distinguir si el navío detectado es pesquero o no.Fil: Nemer Pelliza, Karim Alejandra. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigacion en Informática para la Ingeniería; Argentina.IX MACI2025-06-03T15:28:37Z2023info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdf2314-3282https://hdl.handle.net/20.500.12272/13141spainfo:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Karim Alejandra, Nemer Pellizareponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:48:20Zoai:ria.utn.edu.ar:20.500.12272/13141instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:48:20.914Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales Convolucionales
title Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales Convolucionales
spellingShingle Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales Convolucionales
Nemer Pelliza, Karim Alejandra
Redes Neuronales
Clasificación de imágenes
Imágenes SAR
title_short Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales Convolucionales
title_full Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales Convolucionales
title_fullStr Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales Convolucionales
title_full_unstemmed Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales Convolucionales
title_sort Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales Convolucionales
dc.creator.none.fl_str_mv Nemer Pelliza, Karim Alejandra
author Nemer Pelliza, Karim Alejandra
author_facet Nemer Pelliza, Karim Alejandra
author_role author
dc.subject.none.fl_str_mv Redes Neuronales
Clasificación de imágenes
Imágenes SAR
topic Redes Neuronales
Clasificación de imágenes
Imágenes SAR
dc.description.none.fl_txt_mv Debido a la creciente pesca ilegal, es fundamental detectar barcos pesqueros para monitorear y controlar estos delitos. Los investigadores han estado trabajando constantemente y enfrentando desafíos para detectar barcos automáticamente, principalmente utilizando sensores remotos, lo que ha demostrado un gran impacto en brindar seguridad. Existen múltiples sistemas capaces de detectar barcos de forma eficiente. En este trabajo se avanza un poco más, tratando de identificar si los barcos detectados son pesqueros o no, para esto se presenta una base de datos de más de 11000 imágenes con barcos detectados, de los cuales cerca de 8000 tienen metadatos que contienen las características de los mismos, entre lo que se destacan dimensiones, finalidad, rumbo, entre otras. La información de los navíos se obtuvieron a partir del AIS registrado de los mismos. Se presenta también una estructura de red neuronal convolucional que permite distinguir si el navío detectado es pesquero o no.
Fil: Nemer Pelliza, Karim Alejandra. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigacion en Informática para la Ingeniería; Argentina.
description Debido a la creciente pesca ilegal, es fundamental detectar barcos pesqueros para monitorear y controlar estos delitos. Los investigadores han estado trabajando constantemente y enfrentando desafíos para detectar barcos automáticamente, principalmente utilizando sensores remotos, lo que ha demostrado un gran impacto en brindar seguridad. Existen múltiples sistemas capaces de detectar barcos de forma eficiente. En este trabajo se avanza un poco más, tratando de identificar si los barcos detectados son pesqueros o no, para esto se presenta una base de datos de más de 11000 imágenes con barcos detectados, de los cuales cerca de 8000 tienen metadatos que contienen las características de los mismos, entre lo que se destacan dimensiones, finalidad, rumbo, entre otras. La información de los navíos se obtuvieron a partir del AIS registrado de los mismos. Se presenta también una estructura de red neuronal convolucional que permite distinguir si el navío detectado es pesquero o no.
publishDate 2023
dc.date.none.fl_str_mv 2023
2025-06-03T15:28:37Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv 2314-3282
https://hdl.handle.net/20.500.12272/13141
identifier_str_mv 2314-3282
url https://hdl.handle.net/20.500.12272/13141
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
Karim Alejandra, Nemer Pelliza
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
Karim Alejandra, Nemer Pelliza
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv IX MACI
publisher.none.fl_str_mv IX MACI
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230959764439040
score 13.265058

Publicaciones similares