Pipeline BlueRev de detección de residuos

Mejora de un flujo PyTorch de segmentación para retirar residuos submarinos, con datos sintéticos y pipeline modular.

Proyecto de prácticas en equipo multicultural (PER BlueRev).

Python
PyTorch
Segmentation
TensorBoard
Data augmentation

Diagrama del pipeline ML para detección de residuos BlueRev

Problema y conjunto de datos

Punto de partida: dataset pequeño (~95 imágenes) con ruido, duplicados y preprocesado inconsistente. Objetivo: mejorar la segmentación de residuos en escenas submarinas.

Rediseño del pipeline ML

Refactorización en módulos config, dataset, model, train, test, callback y logger. EarlyStopping, guardado del mejor epoch, TensorBoard, tuning de LR y entrenamiento CPU/GPU. Generador de datos sintéticos por composición aleatoria.

Pipeline de entrenamiento e inferencia BlueRev — Desde imágenes crudas hasta aumento sintético y despliegue.

Resultados

Entrenamiento y comparación de varias configuraciones, métricas registradas e integración de los mejores checkpoints en la app de predicción.