{rfName}
Ab

Indexado en

Licencia y uso

Citaciones

59

Altmetrics

Grant support

This research has been possible with the support of the Secretariad' Universitatsi Recercadel Departamentd' Empresai Coneixement de la Generalitat de Catalunya (2020 FISDU 00405). We are thankfully acknowledging the use of the University of Rovira I Virgili (URV) facilities to carry out this work.

Análisis de autorías institucional

Cristiano Rodríguez, Julián EfrénAutor o CoautorMasoumian, ArminAutor (correspondencia)Abdulwahab, SaddamAutor o CoautorCristiano, JuliánAutor o CoautorPuig, DomenecAutor o CoautorRashwan, Hatem AAutor o Coautor
Compartir
Publicaciones
>
Conferencia Publicada

Absolute Distance Prediction Based on Deep Learning Object Detection and Monocular Depth Estimation Models

Publicado en:Frontiers In Artificial Intelligence And Applications. 339 325-334 - 2021-01-01 339(), DOI: 10.3233/FAIA210151

Autores: Masoumian, Armin; Marei, David G F; Abdulwahab, Saddam; Cristiano, Julian; Puig, Domenec; Rashwan, Hatem A

Afiliaciones

Rovira & Virgili Univ, DEIM, Tarragona 43007, Spain - Autor o Coautor

Resumen

Determining the distance between the objects in a scene and the camera sensor from 2D images is feasible by estimating depth images using stereo cameras or 3D cameras. The outcome of depth estimation is relative distances that can be used to calculate absolute distances to be applicable in reality. However, distance estimation is very challenging using 2D monocular cameras. This paper presents a deep learning framework that consists of two deep networks for depth estimation and object detection using a single image. Firstly, objects in the scene are detected and localized using the You Only Look Once (YOLOv5) network. In parallel, the estimated depth image is computed using a deep autoencoder network to detect the relative distances. The proposed object detection based YOLO was trained using a supervised learning technique, in turn, the network of depth estimation was self-supervised training. The presented distance estimation framework was evaluated on real images of outdoor scenes. The achieved results show that the proposed framework is promising and it yields an accuracy of 96% with RMSE of 0.203 of the correct absolute distance.

Palabras clave
Deep learningDepth estimationDistance predictioDistance predictionObject detection

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Frontiers In Artificial Intelligence And Applications, Q4 Agencia Scopus (SJR), su enfoque regional y su especialización en Artificial Intelligence, le otorgan un reconocimiento lo suficientemente significativo en un nicho concreto del conocimiento científico a nivel internacional.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales de Scopus Elsevier, arroja un valor para la media Ponderada del Impacto Normalizado de la agencia Scopus: 1.4, lo que indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 14 Nov 2024)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Field Citation Ratio (FCR) de la fuente Dimensions: 8.17 (fuente consultada: Dimensions May 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-05-20, el siguiente número de citas:

  • WoS: 4
  • Scopus: 20
  • Google Scholar: 35
  • OpenCitations: 18
Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-05-20:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 65.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 65 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 2.25.
  • El número de menciones en la red social X (antes Twitter): 5 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (Masoumian, Armin) y Último Autor (Abdellatif Fatahallah Ibrahim Mahmoud, Hatem).

el autor responsable de establecer las labores de correspondencia ha sido Masoumian, Armin.