innovación naturaleza - ibermaticamayo 2011 / 4 e-trinos • obtención de información - sonido...
Post on 19-Jan-2021
3 Views
Preview:
TRANSCRIPT
Innovación Naturaleza
Mayo 2011
Mayo 2011 / 1
1. Procedimiento en la Catalogación
2. E-Trinos.
a. Extracción de información
b. Normalización e Identificación
c. Pruebas preliminares
3. Fungi.
4. Fenix.
Mayo 2011 / 2
Procedimiento en la Catalogación
Captura: Captura de Imágenes, sonido o texto en “bruto”
Extracción: Selección de los marcos de interés y objetos dentro
del conjunto de datos no normalizados.
Interpretación: Asignación de una clase (nombre, identificación)
al objeto u objetos seleccionados.
Sonido
Texto
Ondas/Espectro
Índices
Reconocimiento
Categorías
Mayo 2011 / 3
Ejemplo:
Reconocimiento
de caracteres manuscritos
en imágenes escaneadas
Mayo 2011 / 4
E-Trinos
• Obtención de Información - Sonido analógico a digital
• Conversión
- De onda a espectro (T. Fourier)
• Extracción de objetos de interés - Tratamiento de “huellas”
(imágenes) - Tratamiento de constelaciones
- Normalización de marcos
• Identificación -5 clasificadores
-Huellas: cotejo de Imágenes
-Constelaciones (FingerPrint, Chazan)
-Marcos: RNA / SVM
Mayo 2011 / 5
Espectro y normalización
Ruido
Voces humanas
Ruido de Fondo
Huella Escenario de pruebas conservador: - Aprendizaje con muestras sin ruido
- Validación sobre muestras con ruido.
Mayo 2011 / 6
Pruebas preliminares.
Conjunto de Datos.
Mayo 2011 / 7
Pruebas unitarias
Set de entrenamiento (sin ruido):
http://www.ugr.es/~jadelmo/pajaros/Estornino%20negro.mp3
http://www.ugr.es/~jadelmo/pajaros/Petirrojo.mp3
http://www.ugr.es/~jadelmo/pajaros/Golondrina%20comun.mp3
http://www.ugr.es/~jadelmo/pajaros/Gorrion%20comun.mp3
Validación (con ruido):
http://www.youtube.com/watch?v=IEOLPEBqq44&feature=related
http://www.youtube.com/watch?v=g36gToOpFKw&NR=1
http://www.youtube.com/watch?v=1tXKmIcCzVQ&feature=related
http://www.youtube.com/watch?v=VpOZxDTfrjM&feature=related
http://www.youtube.com/watch?v=020ADwLXDBI
http://www.youtube.com/watch?v=mFZRSbjdhNg&feature=related
Mayo 2011 / 8
Pruebas unitarias
Set de entrenamiento (sin ruido)
Método híbrido. (88% éxito)
SVM 75%
RNA 88%
Cotejo imágenes 88%
FingerPrint 33%
HashValues 63%
Validación (con ruido).
Método híbrido. (75% éxito)
SVM 56%
RNA 63%
Cotejo imágenes 38%
FingerPrint 21%
HashValues 19%
Total pruebas
Métodos híbrido. (79% éxito)
SVM 63%
RNA 71%
Cotejo imágenes 54%
FingerPrint 25%
HashValues 33%
Mayo 2011 / 9
FUNGI – APLICACIÓN PARA IDENTIFICAR SETAS
Detección y clasificación múltiple de objetos.
Repositorio de conjuntos de objetos. Módulo de
Extracción de Objetos
• Almacena las características comunes de los objetos a detectar en la
imagen.
• Método seleccionado: Viola&Jones.
• Tratadas 1.000 imágenes.
• Extracción de objetos de interés
• Identificación de familias > identificación de individuos.
Entrada
Sa
lida
a) Setas
b) Posición
en la imagen
..\eco\vision\multiDetector\Debug\multiDetector_setas.exe
Mayo 2011 / 10
FENIX - APLICACIÓN PARA IDENTIFICAR AVES Detección y clasificación múltiple de objetos.
Repositorio de conjuntos de objetos. Módulo de
Extracción de Objetos
• Almacena las características comunes de los objetos a detectar en la
imagen.
• Método seleccionado: Viola&Jones.
• Tratadas 3.000 imágenes.
Entrada
Sa
lida
a) Aves
b) Posición
en la imagen
..\eco\vision\multiDetector\Debug\multiDetector_aves.exe
Mayo 2011 / 11
Detección y clasificación múltiple de objetos.
Módulos y funcionamiento
Módulo de identificación de los objetos seleccionados.
• Identifica (asigna una clase o nombre) a cada uno de los objetos clasificados por el módulo
anterior.
• Motores de inferencia basados en técnicas de Inteligencia Artificial.
• Aprendizaje supervisado.
• El usuario puede entrenar el sistema de forma autónoma (p.ej. Mostrando una fotografía de un
individuo, y marcando quién es…)
Cigüeña
Amanita-muscarea
Mayo 2011 / 12
top related