Tecnológico de Estudios Superiores de Ecatepec

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Tecnológico de Estudios Superiores de Ecatepec"

Sergio Cruz Salinas
hace 8 años
Vistas:

1 Tecnológico de Estudios Superiores de Ecatepec Aplicaciones de algoritmos evolutivos en visión artificial División de Ingeniería Industrial y Mecatrónica Posgrado de Ingeniería Mecatrónica M. en C. Eddie Helbert Clemente Torres 14 Febrero

Ingeniería Industrial y Mecatrónica Posgrado de Ingeniería

2 Contenido Cómputo Evolutivo Optimización La evolución natural como un paradigma Algoritmos genéticos (AG) Estrategias de evolutivas (EG) Programación genética (PG) Programación evolutiva Visión artificial Qué es la visión artificial? Problemas abiertos Visión artificial y el cómputo evolutivo Aplicaciones 2

Programación genética (PG) Programación evolutiva Visión artificial Qué es

3 Optimización Cómputo Evolutivo Uno de los objetivos de las ciencias experimentales es proponer modelos que se ajusten a un grupo de observaciones dadas 3

4 Optimización Cómputo Evolutivo Definición (Optimización Global). En general un problema de n optimización requiere encontrar un conjunto P S R donde P minimiza o maximiza una función de mérito u objetivo f : S R. Sin pérdida de generalidad, solo es necesario considerar tareas de minimización, dado que maximizar f( ) es equivalente a minimizar f( ). El problema entonces es encontrar P min tal S que f(p min ) es un mínimo global sobre S. Es decir se requiere encontrar un P min tal que: P S : f (Pmin ) f (P) 4

5 Optimización Cómputo Evolutivo Parámetros P que son parte del universo de solución son fuertemente restringido Los datos no son exactos por lo que están sujetos a errores de medición La función objetivo en el punto P suele ser no lineal, implicando un problema de optimización no convexa. 5

que están sujetos a errores de medición La función objetivo en el punto

6 La evolución natural como un paradigma La naturaleza siempre ha demostrado tener las mejores soluciones.

7 La evolución natural como un paradigma En 1850 Charles Darwin publica su libo El Origen de las Especies Propone la evolución como el proceso mediante el cual los seres vivos logran subsistir. La Selección natural nos dice que solo los más aptos sobreviven Mendel propone 3 leyes que describen los principios de la genética.

8 La evolución natural como un paradigma La computación ve aquí un claro proceso de optimización. Se toman los individuos mejores adaptados mejores soluciones temporales, se cruzan mezclan-,generando nuevos individuos nuevas soluciones- que contendrán parte del código genéticoinformación- de sus antecesores, y el promedio de adaptación de toda la población se mejora.

Se toman los individuos mejores adaptados mejores soluciones temporales, se cruzan

9 La evolución natural como un paradigma

10 Algoritmos Genéticos

11 Estrategias Evolutivas Las estructuras, las cuales van más allá de la adaptación son típicamente conjuntos de valores reales, variables-objetivo, las cuales están asociadas con valores reales, o variables de estrategias en lo individual. La aptitud es determinada con la tarea de ejecutar rutinas específicas y algoritmos usando variables-objetivo como parámetros. Las variables de estrategia controlan la forma en la cual la mutación hace variar cada variable-objetivo durante la producción de nuevos individuos. 11

La aptitud es determinada con la tarea de ejecutar rutinas específicas y algoritmos usando variables-objetivo como parámetros.

12 Programación Evolutiva Este estilo opera sobre una variedad de representación de estructuras, frecuentemente valores reales, variables-objetivo aunque estructuras más complejas han sido usadas (e.g., máquinas de estado finito). 12

valores reales, variables-objetivo aunque estructuras más

13 Programación Genética Operadores +, -, *, /, (,),^ Elementos: x, y, z

14 Tipos de Cómputo evolutivo Algoritmos Genéticos (GA), propuesto por Holland (1992), creador del Teorema Fundamental donde demuestra matemáticamente la factibilidad de estas técnicas; Estrategías Evolutivas, desarrolladas por Rechenberg (1973) y Schwefel (1995), que centran su atención en la forma de explotar el proceso evolutivo selección, apareamiento, mutación y autodaptación); Programación Evolutiva, desarrollado por Fogel et al. (1966), que aplica estos conceptos a una máquina de estado finito o autómatas Programación Genética (GP), propuesto por Koza (1987).

su atención en la forma de explotar el proceso evolutivo selección, apareamiento, mutación y autodaptación); Programación Evolutiva,

15 Visión Artificial La visión por computadora puede ser entendida como la ciencia de obtener información relevante, precisa y útil a partir de imágenes, con el objetivo de ejecutar tareas dedicadas a la percepción, sensado e interacción con el mundo que rodea a un sistema de visión artificial. 15

imágenes, con el objetivo de ejecutar tareas dedicadas a la percepción,

16 Visión Artificial 16

17 Redes Fotogramétricas Reconstrucción de un antigua Iglesia Saadatseresht [2004] 17

18 Redes Fotogramétricas Diseño de una red fotogramétrica como problema multiobjetivo Dunn [2004] 18

19 Redes Fotogramétricas Dunn-Olague [2005] 19

20 Medición de objetos Errores pequeños en el plano de la imagen provocan errores significativos en la interpretación tridimensional del objeto. 20

21 Medición de objetos Ruido inherente de la señal* Posición y orientación de la cámara con respecto al objeto Orientación propia de la cámara Parámetros intrínsecos de la cámara Geometría de los elementos fotosensibles Hernández [2002] 21

22 22 Medición de objetos Función Unitaria de Borde (FUB) ), ( ) ) tan( ( 1 dx e P I U y x x ), ( ) ) tan( ( 1 dy e P I U x y y B A P I U P I U x x x x * ), ( ), (

23 Esquinas Complejas Notemos que al poseer un modelo que se ajusta a un borde es posible construir esquinas complejas. 23

24 Esquinas Complejas 24

25 Reconstrucción de imágenes 25

26 Puntos de Interés Su detección no es trivial, ya que los puntos de interés deben cumplir con ciertos criterios: Distintivo Inusual Invariante Estabilidad Aplicaciones: Reconocimiento de objetos Detección de objetos Seguimiento Reconstrucción 3D Correspondencia

27 Puntos de interés 27

28 Puntos de interés 28

29 Seguimiento de trayectorias 29

30 Grupos de investigación Marc Shoenauer, TAO Team Evelyne Lutton, Complex Group Roger Mohr, Ensimag MOVI Francisco Fernández, UNEX Bir Bhanu, UC Riverside Stefano Cagnoni, Università degli Studi di Parma EvoVisión :. Evolutionary Vision CICESE Mexico 30

31 Tecnológico de Estudios Superiores de Ecatepec Aplicaciones de algoritmos evolutivos en visión artificial División de Ingeniería Industrial y Mecatrónica Posgrado de Ingeniería Mecatrónica M. en C. Eddie Helbert Clemente Torres 14 Febrero

Documentos relacionados

Optimización inspirada en la naturaleza

Optimización inspirada en la naturaleza Efrén Mezura-Montes Laboratorio Nacional de Informática Avanzada (LANIA AC) Xalapa, Veracruz, MEXICO emezura@lania.mx http://www.lania.mx/~emezura 10ª feria de Posgrados