Comparaci?n de algoritmos de m?quinas de aprendizaje para la detecci?n de arrecife de coral
- Authors
- Villegas Palma, Hyxia Cristina
- Format
- Article
- Status
- publishedVersion
- Description
This work focuses on developing a fast coral reef detector, which is used for an autonomous underwater vehicle, AUV. A fast detection secures the AUV stabilization respect to an area of reef as fast as possible, and prevents devastating collisions. We use the algorithm of Purser et al. (2009) because of its precision. This detector has two parts: feature extraction that uses Gabor Wavelet filters, and feature classification that uses machine learning based on Neural Networks. Due to the extensive time of the Neural Networks, we exchange for a classification algorithm based on Decision Trees. We use a database of 621 images of coral reef in Belize (110 images for training and 511 images for testing). We implement the bank of Gabor Wavelets filters using C++ and the OpenCV library. We compare the accuracy and running time of 9 machine learning algorithms, whose result was the selection of the Decision Trees algorithm. Our coral detector performs 70ms of running time in comparison to 22s executed by the algorithm of Purser et al. (2009).
El presente trabajo se enfoca en el desarrollo de un detector de coral de desempe?o r?pido que se utiliza para un veh?culo aut?nomo submarino (AUV, por sus siglas en ingl?s). Una detecci?n r?pida de coral garantiza la estabilizaci?n del AUV en las cercan?as del arrecife de coral en el menor tiempo posible, evitando que la desorientaci?n del AUV destruya al arrecife. En este trabajo se us? la investigaci?n de Purser, Bergmann, Lund?lv, Ontrup, & Nattkemper (2009), por su precisi?n. Este detector consta de una parte de extracci?n de vectores caracter?sticos, la cual se realiza con filtros Gabor Wavelets; y una parte de clasificaci?n de vectores que usa m?quinas de aprendizaje, basado en Redes Neuronales. Debido al extenso tiempo de ejecuci?n de las Redes Neuronales, se reemplazaron por un algoritmo de clasificaci?n basado en ?rboles de Decisi?n. Se utiliz? una base de datos de 621 im?genes de corales de Belice (110 im?genes de entrenamiento y 511 im?genes de prueba). Se implement? un banco de filtros Gabor Wavelets utilizando C++ y la librer?a OpenCV. Se realiz? la comparaci?n de la precisi?n y el tiempo de ejecuci?n de 9 algoritmos de m?quinas de aprendizaje, cuyo resultado fue la selecci?n del algoritmo de ?rboles de Decisi?n. Nuestro detector de coral posee un tiempo de ejecuci?n de 70ms en comparaci?n con 22s desarrollados por el algoritmo de Purser et al. (2009).
Universidad T?cnica De Machala
http://www.ingenieria.ute.edu.ec/enfoqueute/index.php/revista/article/view/43/47
- Publication Year
- 2014
- Language
- spa
- Topic
- COMPARACION
ALGORITMOS
MAQUINAS
APRENDIZAJE
- Repository
- Repositorio SENESCYT
- Rights
- openAccess
- License
- openAccess