Modelo distribuido de reconocimiento de características multi-dimensional y de clasificación semántica multi-nivel para visión artificial

• Lisardo Prieto González ^[2] ; Beatriz Puerta Hoyas ^[1] ; Antonio de Amescua Seco ^[1]
  1. [1] Universidad Carlos III de Madrid

     Universidad Carlos III de Madrid

     Madrid, España

     
  2. [2] SRH Berlin University of Applied Sciences
• Localización: DYNA new technologies, ISSN-e 2386-8406, Vol. 3, Nº. 1, 2016
• Idioma: español
• DOI: 10.6036/NT7791
• Títulos paralelos:
  • Distributed multi-dimensional feature recognition and multi-level semantic classification model for computer vision
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    El reconocimiento de patrones, evaluación semántica y clasificación en el área de la visión artificial constituyen una serie de problemas complejos que están siendo abordados desde un amplio rango de enfoques específicos. Muchos de dichos enfoques se basan en el análisis de la información desde una perspectiva dimensional específica (ej. imágenes bidimensionales o vídeo) considerando un conjunto muy limitado de indicadores, y en la aplicación de técnicas algorítmicas concretas, con mayor o menor éxito. Este trabajo presenta un modelo orientado a combinar algoritmos existentes y futuros a fin de evaluar la información visual desde una perspectiva multi-dimensional, infiriendo propiedades y características avanzadas por medio del análisis distribuido de múltiples orígenes de imágenes, permitiendo la identificación de elementos del entorno de manera análoga a como lo hace la percepción humana. Tras implementar una versión simplificada del modelo propuesto y ejecutarla bajo un clúster MPI, se extraen y agregan diferentes características de bajo nivel sobre las imágenes analizadas, y se presentan resultados satisfactorios preliminares.

  • English

    Pattern recognition, semantic evaluation and classification in artificial vision are complex problems that are being tackled from a wide range of specific approaches. Most of these perspectives are based in the analysis of the information from a specific dimensional perspective (e.g. bi-dimensional images or video) considering a narrow set of indicators, and in the application of particular algorithmic techniques, with less or more success. This work presents a model intended to combine existing and future algorithms in order to evaluate visual information from a multi-dimensional perspective, inferring advanced properties and features by the distributed analysis of multiple source imagery, enabling the identification of environment elements in a similar way human perception works. After implementing a simplified version of the proposed model and executing it under a MPI cluster, low level features of test images are extracted and aggregated, and successful preliminary results are presented.