INTRODUCCIÓN A LA DETECCIÓN DE OBJETOS
Con la detección de objetos nos referimos a utilizar técnicas de visión en computador centrándonos en la apariencia visual de la imagen, para ellos crearemos un modelo del objeto a detectar y averiguar en que partes de la imagen aparece el modelo del objeto a detectar.
En la detección de objetos basado en técnicas de visión por computador no es proceso fácil como puede parecer en un principio. Como seres humanos si nos piden ver una imagen y reconocer ciertos objetos, lo hacemos con relativa sencillez. Sin embargo para un sistema automático esto no es tan sencillo siendo la detección de objetos un campo de investigación en la visión por computador,
El objetivo es modelar los objetos de interés de forma que sea discriminativo osea que diferencie el modelo de un objeto de otro , por ejemplo que sea capaz de diferenciar el modelo de una persona que la de un modelo de un animal. Además debe tener una invarianza propia de la misma clase, osea que sea capaz de distinguir una persona independiente de la ropa que lleva, de la posición en la que este, etc. También tener una invarianza del entorno en la cual el objeto este inmerso, en el que pueda detectarlo independiente de la luminosidad del entorno, si es día o nublado, etc.
Por otro lado esta la detección del objeto en la imagen considerando todas las posibilidades que puedan tener los objetos en la imagen para detectarlo y al tiempo establecer mecanismos de búsqueda eficientemente para el sistema que tengamos en mente implementar.
Secuencia de procesamiento de detección de objetos.
La primera parte corresponde a la extracción de características a partir de la generación de candidatos o viceversa, dependiendo de la eficiencia computacional. De cualquier forma esos candidatos con sus características llegaran a un módulo de clasificación donde se establecerá si el objeto fue detectado o no.
En ocasiones al hacer esa búsqueda de los objetos en esa imagen habrá detecciones que serán redundantes por lo que tendremos que hacer un proceso de refinación del resultado.
Ya cuando tenemos los resultados finales, sometemos estos a un proceso de evaluación para establecer si los modelos están funcionando o no y si cumplen el propósito de la aplicación.
Como aclaración de conceptos. En el contexto de maquinas de aprendizaje hablaremos de extracción o vectores de características y en el campo de la visión por computador hablaremos de descriptores de imagen porque los modelos realmente el sistema los va a aprender.
0 comentarios:
Publicar un comentario