Evaluación del comportamiento de modelos de detección de objetos en condiciones de degradación visual

Este artículo presenta un análisis comparativo y detallado de modelos de detección de objetos, con el objetivo de evaluar su rendimiento y robustez en diversas condiciones. La investigación busca proporcionar un marco de referencia para la selección de modelos, basándose en su eficiencia, adaptabilidad y precisión, así como sentar las bases para futuras mejoras en el campo de la visión artificial. Se llevó a cabo una evaluación teórica y práctica de modelos seleccionados, analizando exhaustivamente sus arquitecturas, ventajas y desventajas. La fase práctica consistió en una evaluación experimental, infiriendo los modelos en diversos conjuntos de datos a los que se aplicaron técnicas de preprocesamiento y filtrado, como la introducción de ruido y difuminado, para simular condiciones de imagen adversas. Para este fin, se desarrolló una aplicación de escritorio que facilitó la carga de imágenes y la evaluación automatizada de los modelos, garantizando un análisis consistente y reproducible. Los resultados demuestran que el rendimiento de los modelos varía significativamente en función de la calidad y las características de los datos de entrada, revelando que no existe un único modelo óptimo para todas las situaciones. Se identificó que algunos modelos mantienen una mayor precisión en condiciones de degradación de la imagen, demostrando una robustez superior. Las conclusiones destacan la importancia de seleccionar el modelo en función del contexto de aplicación y las características específicas de los datos, y se proporciona una guía práctica para la implementación de soluciones eficientes.