Detecting and counting elliptical objects are an interesting problem in digital image processing. There are real-world applications of this problem in various disciplines. Solving this problem is harder when there is occlusion among the elliptical objects, since in general these objects are considered as part of the bigger object (conglomerate). The solution to this problem focusses on the detection and segmentation of the precise number of occluded elliptical objects, while omitting all noninteresting objects. There are a variety of computational approximations that focus on this problem; however, such approximations are not accurate when there is occlusion. This paper presents an algorithm designed to solve this problem, specifically, to detect, segment, and count elliptical objects of a specific size when these are in occlusion with other objects within the conglomerate. Our algorithm deals with a time-consuming combinatorial process. To optimize the execution time of our algorithm, we implemented a parallel GPU version with CUDA-C, which experimentally improved the detection of occluded objects, as well as lowering processing times compared to the sequential version of the method. Comparative test results with another method featured in literature showed improved detection of objects in occlusion when using the proposed parallel method.
La repentina aparición en China del COVID-19, en diciembre de 2019 y su ulterior expansión por todo el mundo, representó, por su gravedad y alcance, un reto global sin precedentes. El principal objetivo fue identificar los beneficios otorgados por las experiencias vividas por profesores universitarios en Ingeniería de Software posterior a la implementación de diversas estrategias para enfrentar dicha contingencia en la Universidad Autónoma de Yucatán, México. El estudio realizado bajo el método inductivo, paradigma positivista, enfoque cuantitativo, de diseño no experimental, tipo descriptivo y corte transversal. La población estuvo formada por alumnos que cursan Ingeniería de Software con una muestra no probabilística constituida por estudiantes que cursaron asignaturas específicas durante tres semestres. También, se describen los lineamientos implementados en la universidad y las estrategias y herramientas empleadas por los profesores que imparten las asignaturas que aborda este trabajo. Entre los instrumentos analizados en este estudio se encuentran actas de examen que corresponden a los estudiantes en los períodos señalados, así como entrevistas a los profesores sobre las estrategias y herramientas empleadas. No obstante, a algunas dificultades identificadas tanto para estudiantes como para profesores, los resultados obtenidos al implementar diversas estrategias antes, durante, y post pandemia fueron positivos, lo cual ha generado certidumbre en la comunidad universitaria. Sin duda, la pandemia creó espacios para reflexionar los procesos educativos, las Tecnologías de la Información y la Comunicación (TIC) y la situación real del estudiantado, con el fin de adoptar cambios e innovaciones.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2025 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.