Genera imágenes sintéticas para entrenar un detector de neumáticos en Vigo
Visión general
De qué trata este proyecto.
Trabajen en equipo de 2. Usen Stable Diffusion con LoRA (Low-Rank Adaptation — adaptación de bajo rango) por modelo para generar ~500 imágenes sintéticas por clase con variación de iluminación y ángulo. Entrenen un YOLOv8-S con: (a) solo reales, (b) reales + sintéticas. Evalúen [email protected] (mean Average Precision a IoU 0.5 — precisión media a intersección sobre unión 0.5) en un holdout 100 % real de 800 imágenes. Reporten también análisis de fallos del modelo sintético (rare-LoRA artifacts). Éxito: el modelo (b) mejora mAP en ≥4 puntos sin degradar precision en ningún modelo.
El Briefing
Lo que harás y lo que demostrarás.
Demostrar que datos sintéticos generados por difusión mejoran un detector de neumáticos sin introducir artefactos visibles en producción.
Earning criteria — what you'll demonstrate
- Entrenar LoRA sobre un modelo de difusión para dominio específico
- Evaluar utilidad de datos sintéticos para detección downstream
- Diseñar splits que aíslen el efecto del dato sintético
- Identificar artefactos de generación que dañan el detector
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero/a de Visión por Computador
Datos sintéticos para detección industrial es un caso de uso muy demandado en CV de manufactura.
Este proyecto afina
- object-detection
- synthetic-data
- generative-perception
Investigador/a de Machine Learning
Diseñar experimentos que aíslen el efecto del dato sintético es trabajo típico de research aplicada.
Este proyecto afina
- synthetic-data
- lora-fine-tuning
- object-detection
Científico/a de IA Aplicada
Cerrar el bucle generación-detector con métricas downstream es la mentalidad de aplicación que define el rol.
Este proyecto afina
- generative-perception
- synthetic-data
- object-detection