Browsing by Author "Redolfi, Javier"

Filter results by typing the first few letters
Now showing 1 - 12 of 12
  • Thumbnail Image
    Item
    Calibración de sistemas de múltiples cámaras
    (IEEE, 2015-10) González Dondo, Diego; Trasobares, Fernando; Yoaquino, Leandro; Padilla, Julián; Redolfi, Javier
    The use of multi-camera systems in target tracking applications demands to know positions and orientations of each one of the cameras in a global coordinate system. In this work is described the development and implementation of an extrinsic calibration method for multi-camera systems. A theoretical analysis of each stage of the process is shown, pointing out methods and tools. Furthermore, a new calibration pattern is proposed. The validation is performed with simple experiments and in a real deployment of IP cameras.
  • Thumbnail Image
    Item
    Clasificación de Variedades de Semillas de Trigo usando Visión por Computadora
    (SADIO, 2016) Redolfi, Javier; González Dondo, Diego; Pucheta, Julián; Canali, Luis
    En este trabajo abordamos el problema de identificación de variedades de semillas de trigo. La identificación de semillas de trigo es una tarea realizada por personal calificado en diversas etapas de la producción agropecuaria, pero es una actividad lenta, tediosa y de baja repetibilidad. La disponibilidad de un método de clasificación automático de semillas acelera los procesos de evaluación y permite que sean reali-zados en diferentes etapas del proceso de producción de manera simple y con bajo costo. La solución propuesta es el uso de técnicas actuales de clasificación de imágenes como son Vectores de Fisher de la Familia Exponencial y Redes Neuronales Convolucionales. Con estas técnicas se logra una exactitud del 95 % en la clasificación de un dataset de semillas de 6 variedades de trigo recolectado para esta tarea el cual se encuentra disponible al público para futuras evaluaciones.
  • Thumbnail Image
    Item
    Detección de pose de objetos usando cámaras RGB para aplicaciones industriales
    (AJEA- Actas de Jornadas y Eventos Académicos de UTN, 2021-11-29) Yuan, Rebeca; Mulassano, Micaela; Chiabrando, Bruno Julian; Jaime, Ibrahim; Cervetti, Gonzalo; Redolfi, Javier
    El avance y descubrimiento de distintos materiales y componentes tecnológicos, junto con el acoplamiento de algoritmos inteligentes, impacta en forma directa en la innovación de soluciones a distintos tipos de problemas. Un ejemplo de ello, es el uso de las cámaras RGB en el sector industrial. La presente investigación busca aplicar en el sector industrial, cámaras RGB junto a algoritmos de aprendizaje profundo, para la detección de la ubicación y la pose de los objetos que circulan por cintas transportadoras, propias del proceso productivo. El objetivo es reconocer la pose de los objetos ante diferentes variables como, por ejemplo, la velocidad de la cinta transportadora y la iluminación de la planta. En paralelo al armado del dataset de entrenamiento, se exponen los posibles modelos inteligentes a utilizar para alcanzar los objetivos planteados.
  • Thumbnail Image
    Item
    Detección de pose usando Deep Learning en ambientes industriales
    (AJEA- Actas de Jornadas y Eventos Académicos de UTN, 2022-12) Yuan, Rebeca; Mulassano, Micaela; Redolfi, Javier
    Cada vez es más común aplicar visión artificial en distintos entornos industriales, para establecer la ubicación, forma y calidad de los objetos. En trabajos anteriores se analizaron algoritmos de machine learning que permitieron detectar objetos y su presentación (frente/dorso). La presente investigación analiza la aplicación de una red convolucional profunda conocida como U-Net, para la segmentación de imágenes. El objetivo es lograr obtener la pose de los objetos, completando así la información de pose (ubicación) para utilizar métodos de bin picking (recogida aleatoria de contenedores) que completen el proceso de embalaje del objeto.
  • Thumbnail Image
    Item
    Exponential family Fisher vector for image classification
    (2015-07-01) Sánchez, Jorge; Redolfi, Javier
    One of the fundamental problems in image classification is to devise models that allow us to relate the images to higher-level semantic concepts in an efficient and reliable way. A widely used approach consists on extracting local descriptors from the images and to summarize them into an image-level representation. Within this framework, the Fisher vector (FV) is one of the most robust signatures to date. In the FV, local descriptors are modeled as samples drawn from a mixture of Gaussian pdfs. An image is represented by a gradient vector characterizing the distributions of samples w.r.t. the model. Equipped with robust features like SIFT, the FV has shown state-of-the-art performance on different recognition problems. However, it is not clear how it should be applied when the feature space is clearly non-Euclidean, leading to heuristics that ignore the underlying structure of the space. In this paper we generalize the Gaussian FV to a broader family of distributions known as the exponential family. The model, termed exponential family Fisher vectors (eFV), provides a unified framework from which rich and powerful representations can be derived. Experimental results show the generality and flexibility of our approach.
  • Thumbnail Image
    Item
    Fisher vectors for leaf image classification: an experimental evaluation
    (Springer, Cham, 2015-10-25) Redolfi, Javier; Sánchez, Jorge; Pucheta, Julián
    In this work we present an experimental evaluation of the exponential family Fisher vector (eFV) encoding applied to the problem of visual plant identification. We evaluate the performance of this model together with a variety of local image descriptors on four different datasets and compare the results with other methods proposed in the literature. Experiments show that the eFV achieves a performance that compares favorably with other state-of-the-art approaches on this problem.
  • Thumbnail Image
    Item
    Fisher Vectors for PolSAR Image Classification
    (SADIO, 2018-09) Redolfi, Javier; Sánchez, Jorge; Flesia, Ana Georgina
    In this letter, we study the application of the Fisher vector (FV) to the problem of pixelwise supervised classification of polarimetric synthetic aperture radar images. This is a challenging problem since information in those images is encoded as complex-valued covariance matrices. We observe that the real parts of these matrices preserve the positive semidefiniteness property of their complex counterpart. Based on this observation, we derive an FV from a mixture of real Wishart densities and integrate it with a Potts-like energy model in order to capture spatial dependencies between neighboring regions. Experimental results on two challenging data sets show the effectiveness of the approach.
  • Thumbnail Image
    Item
    Identificación de hojas de plantas usando Vectores de Fisher
    (SADIO, 2015-08) Redolfi, Javier; Sánchez, Jorge; Pucheta, Julián
    En este trabajo se propone el uso de descriptores locales codificados con el método de Vectores de Fisher para resolver el problema de clasificación de hojas de plantas usando imágenes. Se demuestra que con este enfoque se obtienen resultados de estado del arte en conjuntos de datos públicos, sin la necesidad de recurrir a la creación de nuevos descriptores visuales específicos para el problema, ni la necesidad de realizar ningún preprocesamiento de las imágenes a analizar.
  • Thumbnail Image
    Item
    Learning to Detect Vegetation Using Computer Vision and Low-Cost Cameras
    (IEEE, 2020-02-27) Redolfi, Javier; Felissia, Sergio Francisco; Bernardi, Emanuel; Araguás, Gastón; Flesia, Ana Georgina
    A problem of current agriculture is the large amount of agrochemicals used to boost production due to their cost and the environmental pollution they cause. A partial solution to this problem consists in developing selective spraying techniques through the measurement of a green index that allows the selection of the precise amount of pesticide to be applied according to the specific conditions of each part of the field. Some of the problems of the existing systems are the inability to discriminate between types of vegetation and to pinpoint its location, since they only detect general patches of vegetation. In this work, we introduce a system prototype capable of measuring the presence of vegetation in an area using low-cost devices combined with current computer vision techniques. The system allows to generate a mask with the presence of vegetation in a certain area and it is also capable of distinguishing between different materials unlike current methods, which only allow to distinguish between green and non-green areas. The presented method opens the door to future research which can allow distinguishing between crops and weeds to make an even more selective application. The output of the system can be used also to design another type of weeding method that is not based on the application of agrochemicals.
  • Thumbnail Image
    Item
    Monitoreo de catástrofes naturales a partir de la Obtención y Procesamiento de Imágenes satelitales
    (2020-06-19) Olmedo, Paula Beatriz; Miretti, Marco; Bernardi, Emanuel; Redolfi, Javier; Peretti, Gastón Carlos; Adam, Eduardo J.
    En la actualidad, el desarrollo de la industria aeroespacial a la par del desarrollo tecnológico, facilita el acceso a la información brindada por los satélites. En este contexto, el trabajo que a continuación se describe tiene por objetivo captar señales satelitales, especialmente imágenes, con el fin de almacenarlas y procesarlas en tiempo real para obtener modelos que auxilien en el análisis y prevención de emergencias ambientales. Es de destacar que este trabajo forma parte de un proyecto de mayor alcance, cuya primera etapa consistió en la construcción de una estación terrena para la adquisición de las imágenes de interés.
  • Thumbnail Image
    Item
    Sistema de seguimiento de objetivos usando múltiples cámaras y estimación Bayesiana
    (IEEE, 2015-10) González Dondo, Diego; Redolfi, Javier; Griffa, Martín; Steiner, Guillermo; Canali, Luis
    In recent years, the increase in amount of camera networks available has led to the rise up of new techniques and applications of signal processing. In this work, an implementation of image sensor network, cameras, for mobile target tracking is shown. More specifically, it is performed an application of particle filter in a distributed way, based on leader agents for state estimation. Finally, simulations are presented, as well as a real experiment made with a camera network to track a mobile platform.
  • No Thumbnail Available
    Item
    Target Tracking System Using Multiple Cameras and Bayesian Estimation
    (2016-08-29) Redolfi, Javier; González Dondo, Diego; Griffa, Martín; Steiner, Guillermo; Canali, Luis
    In recent years, the increase in amount of camera networks available has led to the rise up of new techniques and applications of signal processing. In this work, an implementation of image sensor network, cameras, for mobile target tracking is shown. More specifically, it is performed an application of particle filter in a distributed way, based on leader agents for state estimation. Finally, simulations are presented, as well as a real experiment made with a camera network to track a mobile platform.