Comparación de arquitecturas CNN en la clasificación de objetos del Dataset RoboCup@Home-Objects

Abstract

[ES] Este Trabajo Fin de Grado se centra en desarrollar un sistema de reconocimiento de objetos en robótica social usando visión por computadora y aprendizaje supervisado con los principales frameworks de deep learning basados en redes neuronales como Keras y Yolo. El trabajo consta de diferentes etapas: un estudio exhaustivo del problema, construcción del dataset con las imágenes que se utilizan en la competencia de RoboCup@Home- OBJECTS del año 2019, gestión de proyecto software, implementación de arquitecturas, evaluación de resultados y conclusiones con posibles mejoras. Resultados preliminares demuestran que el enfoque de aprendizaje supervisado con redes neuronales es prometedor en el reconocimiento de objetos en robótica social, logrando alto rendimiento en clasificación. Este trabajo avanza en visión por computadora y su aplicación en interacción humano-robot, sentando bases para futuras investigaciones en percepción visual en robótica social.

[EN] This Final Degree Project focuses on developing an object recognition system in social robotics using computer vision and supervised learning with the main deep learning frameworks based on neural networks such as Keras and Yolo. The work consists of different stages: a comprehensive study of the problem, construction of the dataset with the images used in the 2019 RoboCup@Home-OBJECTS competition, software project management, implementation of architectures, evaluation of results and conclusions with possible improvements. Preliminary results show that the supervised learning approach with neural networks is promising in object recognition in social robotics, achieving high classification performance. This work advances computer vision and its application in human-robot interaction, laying the groundwork for future research in visual perception in social robotics.