"ScatSpotter" -- A Dog Poop Detection Dataset

Resumen Técnico: ScatSpotter — Un Dataset para la Detección de Excrementos Caninos

1. El Problema: Objetos Pequeños y Camuflados

El estudio aborda un desafío crítico en la visión por computadora: la detección y segmentación de objetos de desecho pequeños, amorfo y de bajo contraste en entornos exteriores desordenados. Específicamente, se centra en los excrementos de perro, los cuales presentan dificultades debido a su apariencia variable, su capacidad de camuflaje con elementos naturales (hojas, ramas, tierra) y la falta de representación en los conjuntos de datos de entrenamiento actuales. Este problema tiene aplicaciones directas en la limpieza urbana autónoma, la salud pública y el monitoreo de la fauna.

2. Metodología y Recolección de Datos

Los autores introducen ScatSpotter, un nuevo dataset de alta resolución compuesto por más de 9,000 imágenes y 6,000 anotaciones de polígonos. La metodología de recolección destaca por tres aspectos clave:

• Protocolo BAN (Before/After/Negative): Para mejorar la robustez y proporcionar ejemplos contrafactuales, se capturaron tríos de imágenes para una misma ubicación:
  1. Before (Antes): La imagen con el objeto presente.
  2. After (Después): La misma escena y punto de vista tras la eliminación del objeto.
  3. Negative (Negativa): Una escena cercana con elementos visualmente similares (distractores) pero sin el objeto de interés.
• Anotación de Precisión: Se utilizaron polígonos (en lugar de simples cajas delimitadoras) para permitir tanto tareas de detección como de segmentación semántica. Se empleó la herramienta labelme y asistencia de modelos como SAM (Segment Anything Model), con revisión humana exhaustiva.
• División del Dataset: Se implementó una división temporal y por fotógrafo para evitar el sobreajuste (overfitting). Se utilizó un conjunto de entrenamiento (datos del autor), uno de validación (datos históricos del autor) y un conjunto de prueba independiente (imágenes aportadas por la comunidad para evaluar la generalización real).

3. Contribuciones Principales

El trabajo realiza tres contribuciones fundamentales:

1. Dataset Abierto: El conjunto de datos más grande disponible públicamente para la detección de excrementos caninos, con anotaciones poligonales de alta resolución.
2. Líneas Base (Baselines): El entrenamiento y evaluación de múltiples arquitecturas de modelos para establecer un estándar de comparación.
3. Estudio de Distribución de Datos: Una comparación técnica entre mecanismos de distribución centralizados (HuggingFace, Girder) y descentralizados (BitTorrent, IPFS), analizando la integridad de los datos y las velocidades de transferencia.

4. Resultados Experimentales

Los autores evaluaron diversos modelos, incluyendo VIT-sseg (segmentación por Transformer), MaskRCNN, YOLO-v9 y Grounding DINO.

• Rendimiento de los Modelos: Los resultados muestran que los modelos de "cero disparos" (zero-shot) como DINO funcionan deficientemente, lo que indica que los modelos fundacionales actuales no cubren bien esta categoría. El mejor desempeño lo obtuvo el modelo Grounding DINO ajustado (tuned), alcanzando una precisión promedio de caja (Box-AP) de 0.69 en validación y 0.70 en el conjunto de prueba.
• Dificultad del Dominio: Los resultados confirman que el camuflaje y el desorden ambiental (clutter) siguen siendo los mayores obstáculos para la precisión de los modelos.
• Distribución de Datos: Se observó que los métodos centralizados (como HuggingFace) son significativamente más rápidos debido a las redes de entrega de contenido (CDN), mientras que los descentralizados ofrecen mayor robustez y verificabilidad mediante hashes criptográficos, a pesar de tener mayores tiempos de transferencia.

5. Significancia y Conclusión

ScatSpotter no es solo un dataset sobre un tema de nicho; es un estudio de caso sobre la detección de desechos pequeños y camuflados. Su importancia radica en que proporciona una base para desarrollar sistemas de monitoreo de residuos inteligentes, limpieza urbana automatizada y aplicaciones de realidad aumentada para evitar accidentes en la vía pública. Al publicar los datos bajo licencia CC-BY 4.0, los autores fomentan la investigación abierta en visión artificial aplicada al medio ambiente.