Hector Bedon

The conservation of marine resources requires constant monitoring of the underwater environment by researchers. For this purpose, visual automated monitoring systems are of great interest, especially those that can describe the environment using semantic segmentation based on deep learning. Although they have been successfully used in several applications, such as biomedical ones, obtaining optimal results in underwater environments is still a challenge due to the heterogeneity of water and lighting conditions, and the scarcity of labeled datasets. Even more, the existing deep learning techniques oriented to semantic segmentation only provide low resolution results, lacking the enough spatial details for a high performance monitoring. To address these challenges, a combined loss function based on the active contour theory and level set methods is proposed to refine the spatial segmentation resolution and quality. To evaluate the method, a new underwater dataset with pixel annotations for three classes (fish, seafloor, and water) was created using images from publicly accessible datasets like SUIM, RockFish, and DeepFish. The performance of architectures of convolutional neural networks (CNNs), such as UNet and DeepLabV3+, trained with different loss functions (cross entropy, dice, and active contours) was compared, finding that the proposed combined loss function improved the segmentation results by around 3%, both in the metric Intercept Over Union (IoU) as in Hausdorff Distance (HD).

Se evaluaron los datos climáticos para el valle de Jauja, región Junín, sierra central del Perú para el siglo xxi, como lo simulan los modelos climáticos utilizados en la fase 5 por la intercomparación de modelos acoplados (CMP5). Los modelos utilizados fueron tres: CSIRO Mk 3.6, MIROC-ESM y CNRM-CM5, respectivamente, a una resolución espacial de 1,875 × 1,86°, 2,81 × 1,87° y 1,41 × 1,40°, construidos con data meteorológica observada en el valle de Jauja durante el periodo 1975-2005, empleando el escenario RCP2.6 y 8.5 del IPCC. El objetivo del presente trabajo es proporcionar proyecciones climáticas locales para esta área, generando una primera base de datos climáticos futura de la región, como herramienta de toma de decisiones por parte de agricultores y otros usuarios de la cuenca. Las proyecciones climáticas muestran un calentamiento significativo desde 2,0 grados de temperatura para el escenario RCP2.6 hasta 3,5 grados de temperatura para el escenario RCP8.5, esperado en toda el área evaluada del valle de Jauja para los próximos cincuenta años, junto con una disminución de la precipitación. Las proyecciones de precipitación dependen de la resolución horizontal, lo que sugiere la necesidad de simulaciones adicionales con una resolución más alta, especialmente para una representación adecuada de eventos climáticos extremos.