Segmentación semántica para alimentos

Abstract

El presente documento corresponde a la memoria del autor, centrada en la segmentación semántica para alimentos, particularmente sobre ingredientes típicos de pizzas. Dicha misión es encomendada por Kwali S.P.A., empresa dedicada a la supervisión de procesos productivos, enfocada particularmente en franquicias de comida rápida (pizzerías). En este documento se motiva y detalla el proceso de implementación de un modelo de segmentación semántica especializado para realizar la tarea descrita, junto con los objetivos del proyecto y el contexto sobre los tópicos más relevantes asociados al procesamiento de imá- genes. Además, se exponen los estados del arte de la segmentación semántica (un algoritmo supervisado FoodSeg y otro no supervisado STEGO ), sumado a un tercer algoritmo (su- pervisado) recomendado por la empresa (DeepLabv3). Dichos algoritmos son implementados y validados visualmente sobre el problema especificado, en donde se tienen limitantes (baja cantidad de datos etiquetados) para realizar un correcto reentrenamiento sobre el estado del arte supervisado. Con esto, son seleccionados los mejores modelos resultantes (STEGO y DeepLabv3) para ser reentrenados y evaluados con diferentes métricas de medición (especifi- cadas en el documento), con lo cual, se obtiene que el algoritmo recomendado (DeepLabv3) presenta los mejores resultados, siendo capaz de segmentar de mejor manera según las métri- cas, respecto a los demás algoritmos mencionados. En donde, debido a la limitada cantidad de datos etiquetados con los que fue entrenado DeepLabv3, se cree que este presentará una mejora en sus resultados al ser reentrenado con una mayor cantidad de datos etiquetados