{rfName}
Pe

Indexado en

APC

1 996,00 Euros
IEEE
Transformative agreement with library

Licencia y uso

Icono OpenAccess

Citaciones

13

Altmetrics

Investigadores/as Institucionales

Llorente, AlvaroAutor o CoautorDel Rio, AlbertoAutor (correspondencia)Serrano, JavierAutor o CoautorJimenez, DavidAutor o Coautor

Compartir

29 de julio de 2024
Publicaciones
>
Artículo
Hybrid Gold

Performance Evaluation of YOLOv8-Based Bib Number Detection in Media Streaming Race

Publicado en: IEEE TRANSACTIONS ON BROADCASTING. 70 (3): 1126-1138 - 2024-09-01 70(3), DOI: 10.1109/tbc.2024.3414656

Autores:

Martinez, Rafael; Llorente, Alvaro; del Rio, Alberto; Serrano, Javier; Jimenez, David
[+]

Afiliaciones

Univ Poliecn Madrid, Escuela Tecn Super Ingn Telecomunicac ETSIT, Signals Syst & Radiocommun Dept, Madrid 28040, Spain - Autor o Coautor
Univ Politecn Madrid, Escuela Tecn Super Ingn Sistemas Informat ETSISI, Informat Syst Dept, Madrid 28031, Spain - Autor o Coautor
Univ Politecn Madrid, Escuela Tecn Super Ingn Telecomunicac ETSIT, Phys Elect Elect Engn & Appl Phys Dept, Madrid 28040, Spain - Autor o Coautor
Ver más

Resumen

The evolution of telecommunication networks unlocks new possibilities for multimedia services, including enriched and personalized experiences. However, ensuring high Quality of Service and Quality of Experience requires intelligent solutions at the edge. This study investigates the real-time detection of race bib numbers using YOLOv8, a state-of-the-art object detection framework, within the context of 5G/6G edge computing. We train (BDBD and SVHN datasets) and analyze various YOLOv8 models (nano to extreme) across two diverse racing datasets (TGCRBNW and RBNR), encompassing varied environmental conditions (daytime and nighttime). Our assessment focuses on key performance metrics, including processing time, efficiency, and accuracy. For instance, on the TGCRBNW dataset, the extreme-sized model shows a noticeable reduction in prediction time when the more powerful GPU is used, with times decreasing from 1,161 to 54 seconds on a desktop computer. Similarly, on the RBNR dataset, the extreme-sized model exhibits a significant reduction in prediction time from 373 to 15 seconds when using the more powerful GPU. In terms of accuracy, we found varying performance across scenarios and datasets. For example, not good enough results are obtained in most scenarios on the TGCRBNW dataset (lower than 50% in all sets and models), while YOLOv8m obtain the high accuracy in several scenarios on the RBNR dataset (almost 80% of accuracy in the best set). Variability in prediction times was observed between different computer architectures, highlighting the importance of selecting appropriate hardware for specific tasks. These results emphasize the importance of aligning computational resources with the demands of real-world tasks to achieve timely and accurate predictions.
[+]

Palabras clave

5gBib number detectionBroad-bandBroadcastingCognitive networksCorEdge computingExperienceIeee transactionsImage qualitImage qualityMedia streamingObject detectionQualityReal-time systemsRunner segmentationSpecial-issueYolo

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista IEEE TRANSACTIONS ON BROADCASTING debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2024 aún no existen indicios calculados, pero en 2023, se encontraba en la posición 89/368, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Engineering, Electrical & Electronic.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-25:

  • WoS: 6
  • Scopus: 7
[+]

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 2026-04-25:

  • 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: 10 (PlumX).

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:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/87873/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 161
  • Descargas: 221
[+]

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 (Martinez, Rafael) y Último Autor (JIMENEZ BERMEJO, DAVID).

el autor responsable de establecer las labores de correspondencia ha sido DEL RIO PONCE, ALBERTO.

[+]

Reconocimientos ligados al ítem

This work was supported in part by the Horizon Europe CODECO Project under Grant 101092696; in part by the Horizon Europe NEMO Project under Grant 101070118; and in part by the UNICO-5G I+DTSI063000-2021-79 (B5GEMINI-AIUC) Project funded by the Ministry of Economic Affairs and Digital Transformation of the Spanish Government and the NextGenerationEU [Recovery, Transformation and Resilience Plan(PRTR)].
[+]