Procesamiento de imágenes con YOLO y visión por computadora

Este proyecto utiliza el modelo YOLO (You Only Look Once) para procesar imágenes y detectar objetos en ellas. El código está dividido en tres fases principales: creación de una carpeta para almacenar resultados, procesamiento de la imagen y descarga de los resultados en un archivo ZIP. Desarrollado por José R. Leonett para la comunidad de Peritos Forenses Digitales de Guatemala.

---

Tipos de objetos que YOLO puede identificar.

El modelo YOLO utilizado en este proyecto está entrenado con el conjunto de datos COCO (Common Objects in Context), que incluye 80 clases de objetos comunes. Algunos de los objetos que YOLO puede identificar son:

• Personas: person
• Vehículos: car, bus, truck, motorcycle, bicycle
• Animales: dog, cat, horse, elephant, zebra
• Objetos de uso diario: chair, table, book, cell phone, laptop
• Alimentos: banana, apple, orange, pizza, sandwich
• Deportes: sports ball, frisbee, skateboard, kite, baseball bat

Para ver la lista completa de objetos, consulta el archivo coco.names.

---

Fase 1: Creación de la carpeta "EVIDENCIA".

En esta fase, se crea una carpeta llamada "EVIDENCIA" en el directorio actual. Esta carpeta se utilizará para almacenar los resultados del procesamiento de la imagen.

---

Fase 2: Procesamiento de la imagen y detección de objetos.

1. Carga del modelo YOLO: Se carga el modelo preentrenado YOLO utilizando los archivos yolov3.weights, yolov3.cfg y coco.names.
2. Subida de la imagen: El usuario sube una imagen desde su computadora a Google Colab.
3. Detección de objetos: La imagen se procesa utilizando el modelo YOLO para identificar objetos.
4. Dibujo de detecciones: Los objetos detectados se marcan en la imagen con cuadros delimitadores y etiquetas.
5. Guardado de resultados: La imagen procesada se guarda en la carpeta "EVIDENCIA".

---

Fase 3: Creación y descarga del archivo ZIP.

1. Creación del archivo ZIP: Se comprime la carpeta "EVIDENCIA" en un archivo ZIP.
2. Descarga del archivo: El archivo ZIP se descarga automáticamente a la computadora del usuario.

---

Requisitos.

Para ejecutar este código, es necesario tener los siguientes archivos en el entorno de Google Colab:

• yolov3.weights: Pesos del modelo YOLO.
• yolov3.cfg: Configuración del modelo YOLO.
• coco.names: Archivo que contiene los nombres de las clases que YOLO puede detectar.

---

Notas.

• Ubicación de los archivos: Asegúrate de que los archivos de YOLO estén en el mismo directorio que tu notebook de Colab.
• Ajustes de detección: Puedes modificar los umbrales de confianza (conf_threshold) y el umbral de NMS (nms_threshold) para mejorar la precisión de la detección.

---

Cómo citar este trabajo.

Usa la siguiente entrada BibTeX si utilizas este trabajo en tu investigación:

@article{joséRLeonett,
  title={Procesamiento de imágenes por visión computacional},
  author={José R. Leonett},
  year={2023}
}

Licencia.

• Este proyecto está bajo la licencia GNU General Public License v3.0. Consulta el archivo LICENSE para más detalles.