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