💻 computer science

A Probabilistic Framework for Improving Dense Object Detection in Underwater Image Data via Annealing-Based Data Augmentation

Este trabajo presenta un marco probabilístico que utiliza una estrategia de aumento de datos basada en recocido simulado para mejorar significativamente la detección de objetos densos en entornos submarinos complejos, superando a los modelos de referencia en escenarios reales.

Autores originales: Eleanor Wiesler, Trace Baxley

Publicado 2026-04-24

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Eleanor Wiesler, Trace Baxley

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Claro que sí! Imagina que este paper es como la historia de dos pescadores que intentan contar peces en el océano, pero uno de ellos tiene una herramienta mágica que el otro no.

Aquí tienes la explicación en español, usando analogías sencillas:

🌊 El Problema: Contar peces en una fiesta desordenada

Imagina que tienes una cámara de seguridad en un acuario. Si solo hay un pez nadando tranquilamente en un tanque pequeño y bien iluminado, es muy fácil para una computadora decir: "¡Ahí hay un pez!".

Pero, ¿qué pasa si intentas contar peces en el océano real?

El agua está turbia (como si miraras a través de un vidrio sucio).
La luz cambia constantemente (como cuando el sol se esconde detrás de las nubes).
Lo peor: ¡Hay miles de peces juntos! Se mueven en cardúmenes tan densos que se superponen, como una multitud en un concierto de rock donde no puedes ver a nadie individualmente.

Los modelos de inteligencia artificial actuales (llamados "YOLO", que significa "You Only Look Once") funcionan genial en el acuario controlado, pero se vuelven locos y fallan estrepitosamente en el océano real porque nunca han visto tanta "desorden".

🛠️ La Solución: El "Simulador de Multitudes" (PSADA)

Los autores (Eleanor y Trace) se dieron cuenta de que el problema era que el modelo de entrenamiento solo había visto peces solos o en grupos pequeños. Necesitaban enseñarle al modelo a reconocer peces en medio de una "multitud".

Para lograrlo, crearon un nuevo truco llamado PSADA (un nombre complicado que significa "Aumento de Datos basado en Recocido Simulado Pseudo").

¿Cómo funciona este truco? Una analogía con el "Collage":

Imagina que tienes una caja de recortes de papel con fotos de peces recortados.

El método antiguo (El modelo base): El modelo tomaba una foto del fondo del mar y le pegaba un pez encima. Si había 5 peces, pegaba 5 veces. Pero como en las fotos de entrenamiento casi nunca había muchos peces, el modelo nunca aprendió a lidiar con la superposición.
El método nuevo (PSADA): Aquí es donde entra la magia. Imagina que tienes un algoritmo que actúa como un director de orquesta caótico pero inteligente:
- El "Recocido Simulado" (Simulated Annealing): Piensa en esto como un proceso de "enfriamiento" de metal. Al principio, el algoritmo es muy "caliente" y permite que los peces se coloquen en cualquier lugar, incluso lejos de donde deberían, para explorar todas las posibilidades. A medida que avanza, se "enfría" y empieza a colocar a los peces de forma más precisa y realista, creando grupos densos y naturales.
- El resultado: En lugar de poner peces al azar, el algoritmo crea "escuelas de peces" artificiales muy realistas, llenando la imagen de peces que se tocan y se superponen, tal como ocurre en la vida real.

Básicamente, entrenaron al modelo de IA con miles de "falsas" fotos de multitudes de peces para que, cuando viera una foto real, no se asustara.

🏆 Los Resultados: ¡El ganador es el nuevo modelo!

Pusieron a prueba a los dos modelos en un video en vivo de las Islas Florida (Florida Keys), un lugar con peces reales y muy apretados.

El Modelo Viejo (Base): Fue como intentar contar personas en un estadio lleno de gente con los ojos vendados. Solo vio a unos pocos peces aislados y perdió a la gran mayoría de la multitud. Contó menos de la cuarta parte de los peces reales.
El Modelo Nuevo (PSADA): Fue como tener una linterna potente y un mapa. Gracias a su entrenamiento con las "multitudes artificiales", logró detectar más del doble de peces que el modelo viejo. Aunque no vio a todos (porque el agua estaba muy turbia y había tiburones que no se parecían a los peces de entrenamiento), fue mucho mejor.

💡 En resumen

Los autores tomaron un modelo de IA que solo sabía contar peces en una piscina tranquila y le enseñaron a sobrevivir en el océano real. Lo hicieron creando un "simulador" que generaba fotos de peces amontonados de forma inteligente.

La lección: Para que una inteligencia artificial funcione en el mundo real y caótico, a veces tienes que enseñarle a lidiar con el caos primero, creando escenarios difíciles y realistas en el laboratorio.

¡Es como si entrenaras a un jugador de fútbol no solo en un campo vacío, sino en un partido donde el campo está lleno de obstáculos y otros jugadores corriendo en todas direcciones! ⚽🐟

Resumen Técnico: Un Marco Probabilístico para Mejorar la Detección de Objetos Densos en Datos de Imágenes Submarinas mediante Aumento de Datos Basado en Recocido

1. Planteamiento del Problema

Los modelos de detección de objetos actuales suelen funcionar bien en entornos controlados (como acuarios o granjas acuícolas) con iluminación estable y poca variabilidad. Sin embargo, su rendimiento se degrada drásticamente en escenarios submarinos reales, caracterizados por:

Alta variabilidad en la claridad del agua y las condiciones de iluminación.
Oclusiones frecuentes y agrupamientos densos de peces (crowding).
La falta de conjuntos de datos de entrenamiento que representen estas condiciones naturales y densas.
La mayoría de los modelos existentes (basados en YOLO u otras CNN) no abordan específicamente el problema de la densidad de objetos ni la dispersión de especies en hábitats naturales.

El conjunto de datos DeepFish, aunque útil, presenta una limitación crítica: las imágenes de entrenamiento contienen muy pocos peces por imagen (a menudo solo uno o dos), lo que impide que los modelos aprendan a detectar grupos densos.

2. Metodología

Los autores proponen un enfoque en dos etapas para abordar estas limitaciones:

A. Preparación del Conjunto de Datos (DeepFish):

Se utilizó el conjunto de datos DeepFish (que contiene máscaras de segmentación de peces en entornos naturales).
Dado que el conjunto original carecía de anotaciones de cuadros delimitadores (bounding boxes), los autores generaron automáticamente estos cuadros a partir de las máscaras de segmentación utilizando la función de componentes conectados de cv2, adaptándolos al formato de YOLOv10.

B. Algoritmo de Aumento de Datos: PSADA (Pseudo-Simulated Annealing Data Augmentation):
Para superar la escasez de imágenes con peces densos, se desarrolló un algoritmo de aumento de datos inspirado en la estrategia "copy-paste" de Deng et al., pero modificado con un enfoque de recocido simulado (simulated annealing) pseudo-probabilístico.

Selección de Centros de Grupo: A diferencia del método original que muestreaba de objetos existentes, este algoritmo selecciona centros de grupo aleatoriamente dentro de las dimensiones de la imagen base. La cantidad de grupos se modela mediante una distribución de Poisson ( $\lambda=3$ ), interpretando cada imagen como una instantánea temporal de escuelas de peces.
Generación de Grupos: Se generan grupos de peces alrededor de cada centro. El número de objetos por grupo se ajusta para asegurar una distribución equilibrada.
Simulación de Densidad Realista:
- Los tamaños de los objetos siguen una distribución gaussiana.
- Las coordenadas se refinan iterativamente utilizando un enfoque de recocido simulado. La "temperatura" de colocación ( $T$ ) decae geométricamente ( $T \leftarrow T \cdot 0.95$ ).
- Lógica del Recocido: Inicialmente, existe una alta probabilidad de que los peces se coloquen lejos del centro del grupo. A medida que avanza el proceso (y la temperatura baja), la probabilidad de colocar peces lejos disminuye, forzando una mayor densidad y superposición. Esto permite generar imágenes con tanto peces aislados como grupos densos.
Entrenamiento: Se entrenó un modelo YOLOv10 con este conjunto de datos aumentado (PSADA) y se comparó con un modelo base entrenado solo en los datos originales de DeepFish.

3. Contribuciones Clave

Marco de Aumento Probabilístico: Introducción de un algoritmo de aumento de datos basado en recocido simulado adaptado específicamente para la detección de peces en entornos naturales, superando la limitación de densidad de los datos originales.
Adaptación de Distribuciones Estadísticas: Uso de una distribución de Poisson para modelar la aparición de escuelas de peces y una distribución gaussiana para sus tamaños, mejorando la diversidad espacial y la densidad de objetos durante el entrenamiento.
Validación en Escenarios Reales: Creación y uso de un conjunto de datos de prueba único compuesto por 50 imágenes manuales extraídas de una transmisión en vivo de un hábitat natural en las Islas Florida (Florida Keys), un entorno con alta densidad de peces y condiciones variables.

4. Resultados Experimentales

Los experimentos compararon el modelo base (YOLOv10 estándar) contra el modelo PSADA (con aumento de datos):

Métricas de Entrenamiento: El modelo PSADA alcanzó mínimos de pérdida (box loss, classification loss) más rápido que el modelo base, a pesar de entrenar con menos épocas (28 vs 50).
Precisión y Recall: Ambos modelos mejoraron, pero PSADA mostró un crecimiento más rápido en métricas de precisión y recall.
mAP (Mean Average Precision):
- PSADA alcanzó un mAP50 de 0.8 y un mAP50-95 de 0.7 en el conjunto de prueba de Florida Keys.
- El modelo base tuvo un rendimiento significativamente inferior.
Detección en Densidad:
- En el conjunto de datos de Florida, el modelo base detectó menos del 25% de los peces presentes en la anotación manual (ground truth).
- El modelo PSADA detectó casi el 50% de los peces, logrando más del doble de detecciones que el modelo base.
Intersección sobre Unión (IoU): La distribución de IoU del modelo PSADA mostró una mayor proporción de puntuaciones altas (superposición precisa) en comparación con el modelo base, especialmente en imágenes con peces agrupados.

5. Significado y Conclusiones

Eficacia en Entornos No Controlados: El estudio demuestra que el aumento de datos basado en principios de recocido simulado es altamente efectivo para mejorar la robustez de los modelos de visión por computadora en entornos submarinos densos y no controlados.
Superación de Limitaciones de Datos: La metodología permite entrenar modelos robustos incluso cuando los datos originales son escasos en ejemplos de alta densidad (como es el caso de DeepFish).
Limitaciones y Futuro:
- El modelo aún no detecta el 100% de los peces en las zonas de máxima densidad, posiblemente debido a la diferencia de especies entre el conjunto de entrenamiento (peces australianos) y el de prueba (tiburones y barracudas en Florida).
- Se sugiere como trabajo futuro la inclusión de clasificación de especies y el uso de recursos computacionales más intensivos (GPUs) para refinar el algoritmo PSADA.

En resumen, este trabajo presenta una solución innovadora para un problema crítico en la ecología marina: la capacidad de contar y detectar peces en hábitats naturales densos, utilizando una combinación de ingeniería de datos probabilística y aprendizaje profundo.