In the latest years, the field of computer vision has witnessed continual advancements. One of the most stated advancement is Convolution Neural Networks (CNNs). Deep Learning techniques have proven to perform very well on a large variety of problems and fields (i.e. Biology, Physics, Computer Science, Mathematics, etc.). Its great power and flexibility is achieved by learning to represent the world as a nested hierarchy of concepts, with each concept defined in relation to simpler concepts, and more abstract representations computed in terms of less abstract ones. My research goal in this thesis is to develop a Deep Learning model that, provided a millimeter-wave image, identifies the presence of threats under a variety of object types, clothing types, and body types.\\\vspace{0.5em} Apart from the application of the designed software proposed in the competition, anothersuitable application could be a generic entry-security system, in which it is common practise to employ a gateway metal detector. In this case the given scene would be a single subject standing in front of the imager and the system would be designed to detect any foreign objects being carried by the subject.

En los últimos años, el campo de la visión artificial ha visto continuos avances. Uno de los avances más destacados son las Redes Neuronales Convolucionales. Una red neuronal convolucional es un tipo de red neuronal artificial donde las neuronas corresponden a campos receptivos simulando así las neuronas de la corteza visual primaria de un cerebro biológico. Este tipo de red es una variación de un perceptron multicapa, sin embargo, debido a que su aplicación es realizada en matrices bidimensionales, son muy efectivas para tareas de visión artificial, como en la clasificación y segmentacion de imágenes, entre otras aplicaciones. Mi objetivo de investigación en esta tésis es desarrollar un modelo de aprendizaje profundo que, dada una imagen de ondas milimétricas, identifique la presencia de amenazas bajo una variedad de tipos de objeto, ropa y cuerpo.

En els últims anys, el camp de la visió artificial ha vist continus avenços. Un dels avenços més destacats són les Xarxes Neuronals Convolucionals. Una xarxa neuronal convolucional és un tipus de xarxa neuronal artificial on les neurones corresponen a camps receptius simulant així les neurones de l'escorça visual primària d'un cervell biològic. Aquest tipus de xarxa és una variació d'un perceptró multicapa, però, a causa de que la seva aplicació és realitzada en matrius bidimensionals, són molt efectives per a tasques de visió artificial, com en la classificació i segmentació d'imatges, entre altres aplicacions. El meu objectiu d'investigació en aquesta tèsis és desenvolupar un model d'aprenentatge profund que, donada una imatge d'ones mil·limètriques, identifiqui la presència d'amenaces sota una varietat de tipus d'objecte, roba i cos.