Reconocimiento de Caracteres: Un abordaje invariante a translación, rotación y escala
|
|
- Gregorio Miguélez Flores
- hace 7 años
- Vistas:
Transcripción
1 Reconocimiento de Caracteres: Un abordaje invariante a translación, rotación y escala Jesús P. Mena-Chalco jmena@vision.ime.usp.br Departamento de Ciência da Computação Instituto de Matemática e Estatística Universidade de São Paulo II Congreso de Ingeniería e Investigación Científica Universidad Tecnológica del Perú 10/11/2006
2 El problema Reconocer los caracteres de una imagen dada como entrada y extraer el texto para un archivo texto editable. Imágenes de entrada en niveles de gris, con contenido dispuesto horizontalmente y de arriba para abajo.
3 Sistema de reconocimiento de patrones?
4 Contenido 1. Método simplicado de un sistema de reconocimiento de patrones. 2. Extracción de características. 3. Entrenamiento. 4. Reconocimiento / Clasificación / Test. 5. Resultados. 6. Conclusiones.
5 Cómo reconocer un caracter? El reconocimiento invariante de objetos (IOR, invariant-object recognition) permite identificar un objeto independiente de su posición (trasladada o rotacionada) y tamaño (grande o pequeño) [CJ01]. Gran variedad de abordajes propuestos: Técnicas ópticas. Análisis basados en descriptores de Fourier. Modelos de redes neuronales. Momentos invariantes. Algoritmos genéticos. Heurísticas [TMRSSG00].
6 Sistema de reconocimiento de patrones
7 Extracción de características: Heurística En modelos invariantes de reconocimiento de patrones, esta etapa es definida como la extracción apropiada de características invariantes que serán usadas para el reconocimiento. A. Momento de inércia de la imagen, que cuantifica la inércia de un objeto rotacionado considerando su distribución de masa. I = m 1 r m 2 r m N r 2 N El momento de inércia depende de la posición del eje de rotación y de la figura, siendo invariante a translación y rotación.
8 Extracción de características: Heurística A. Momento de inércia del caracter. Una imagen bidimensional puede ser representada como una función contínua f(x, y) donde cada pixel sea considerado una partícula con masa igual al valor de la intensidad del pixel. Para imágenes binarias el momento de inércia con respecto a su centróide es: I = N d 2 i = i=1 N ((x i C x ) 2 + (y i C y ) 2 ) i=1 donde (C x, C y ) son las coordenadas del centróide del caracter, N es el total de pixels, y (x i, y i ), para i = 1... N, son as coordenadas de los pixels. Invariáncia a escala: I N = I/N 2
9 Extracción de características: Heurística B. Características topológicas invariantes, basado en el hecho que el círculo es la única figura geométrica que es perfectamente invariante a rotación. Son usados círculos igualmente espaciados y centrados en (C x, C y ).
10 Extracción de características: Heurística
11 Entrenamiento
12 Entrenamiento En esta etapa se usa el algoritmo del vecino holográfico mas próximo (HNN, Holographic nearest neighbor). Dado un conjunto de entrenamiento S, representamos el vector de características del elemento k como: S k = (c k 1, c k 2,..., c k M, r k ) donde c 1,..., c M son as características extraídas, y r k es la respuesta asociada (clase).
13 Entrenamiento Cada una das características é mapeada a variables polares usando la función de relación sigmoidal: θ k i = 2π(1 + e (µ sk i )/σ ) 1 donde µ y σ son respectivamente el promédio y la desviación estándar de cada una de las características. Permite mapear cada característica s k i a valores de fase entre (0, 2π) [Sou92].
14 Entrenamiento Representación tabular de las características, valores de fase y clase de las muestras del conjunto de entrenamiento: Caracter Clase Características Fases 1 rm+1 1 c c 1 M θ θm 1 2 rm+1 2 c c 2 M θ θm 2.. N-1 r N 1 M+1 c1 N 1... c N 1 M θ N θ N 1 M N rm+1 N c N 1... c N M θ1 N... θm N (µ 1, σ 1 )... (µ M, σ M ) θ k i = 2π(1 + e (µ sk i )/σ ) 1
15 Reconocimiento
16 Reconocimiento Cuando un nuevo patrón es presentado, debe ser seleccionado el caracter mas próximo (similar) del conjunto de entrenamiento. Puede ser calculada la distancia mínima entre el nuevo patrón (θ t ) y los valores obtenidos en la fase de entrenamiento (θexp) para cada característica. De esa forma el mínimo valor de las N muestras del conjunto de entrenamiento con el nuevo patrón de entrada será la respuesta: M (θi(exp) k θk i(t) )2 i=1 i.e., la clase atribuída al nuevo patrón será r k M+1.
17 Reconocimiento
18 Ima genes utilizadas Entrenamiento: 343 (828x1300) Reconocimiento:344 (830x1300) Reconocimiento de Caracteres: Un abordaje invariante a translacio n, rotacio n y escala
19 Resultados Fue realizada una comparación de desempeño entre la implementación de OCR con algunos programas disponibles en el internet: GNU Ocrad ( GOCR 0.41 ( SimpleOCR 3.1 ( Cuneiform OCR 6.0 (
20 Resultados Taza de acierto: Sea A el texto extraído computacionalmente, y M o texto obtenido por la digitación manual. Primero se calculó una subsecuencia de longitud máxima S entre A e M [CLR90]. La taza de acierto fue obtenida por S M, donde S denota el tamaño de la subsecuencia máxima encontrada y M el tamaño del texto (solución). Programa OCR Imagen 343 Imagen 344 GNU Ocrad % % GOCR % % SimpleOCR % % Cuneiform OCR % % Implementación del OCR % %
21 Resultados Maria Irma riu. Maria rma riu. Maria lrma riu. Diferecia: 1 / que, espaventada. fugiu. O galo pedrês investiu, de porrete. Empavesado e que, espaventada fugiu. O galo pedrês investiu, de porrete. Empavesado e que, espaventada, fugiu. O galo pedrês investiu, de porrete. Empavesado e Diferencia: 1 / berto... Vem aqui no galinheiro, só porque gosta de confusão e algazarra. e o... em aqui o galinheiro, rq e gosta de confusão e alga rra. heno... Aem aqui uo galinheiro, a Mrqne gosta de confusão e algamrra. Diferencia: 12 / 73
22 Conclusiones El método utilizado usa información topológica (heurística) para la extracción de características. El trabajo realizado por Torres-Mendez y colaboradores [TMRSSG00] presenta buenos resultados para el reconocimiento de caracteres con alta resolución, así un número mayor de círculos concéntricos permite obtener características con mejor resolución. La invariáncia a rotación aplicada a reconocimiento de caracteres permite reconocer letras diferentes como únicas. Por ejemplo: u-n, p-b-q-d, etc.
23 Referencias [CJ01] [CLR90] L. F. Costa and R. M. Cesar Jr. Shape Analysis and Classification: Theory and Practice. CRC Press, Inc., Boca Raton, FL, USA, T. H. Cormen, C. E. Leiserson, and R. L. Rivest. Introduction to Algorithms. The MIT Press, [Sou92] B. Soucek, editor. Fuzzy, Holographic, and Parallel Intelligence: The Sixth- Generation Breakthrough. Sixth Generation Computer Technologies Series. John Wiley and Sons, New York, [TMRSSG00] L. A. Torres-Mendez, J. C. Ruiz-Suárez, L. E. Sucar, and G. Gómez. Translation, rotation, and scale-invariant object recognition. IEEE Transactions on Systems, Man, and Cybernetics, Part C, 30(1): , 2000.
Lenguajes III Análisis y Diseño de Algoritmos
Lenguajes III Análisis y Diseño de Algoritmos Andrés Becerra Sandoval Código: CC060 Créditos: 3 Prerequisitos: Desarrollo Formal de programas Naturaleza del Curso El curso argumenta la necesidad de considerar
Más detallesUN SISTEMA DE VIDEO VIGILANCIA PARA DETECCIÓN DE CAÍDAS
UNIVERSIDAD DE MÁLAGA ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA INGENIERÍA SUPERIOR EN INFORMÁTICA ANTEPROYECTO UN SISTEMA DE VIDEO VIGILANCIA PARA DETECCIÓN DE CAÍDAS DIRECTOR DEL PROYECTO: FIRMA:
Más detallesAnálisis Espacial aplicando Técnicas de Inteligencia Artificial
Análisis Espacial aplicando Técnicas de Inteligencia Artificial OBJETIVO. Proporcionar al estudiante técnicas variadas de inteligencia artificial para el tratamiento de datos espaciales y presentar cómo
Más detallesAcademia de la carrera de Licenciatura en Informática del Instituto Tecnológico de Aguascalientes
1. DATOS DE LA ASIGNATURA Nombre: Técnicas de Inteligencia Artificial y Sistemas Multi-agentes Carrera: Licenciatura en Informática Clave de la asignatura: IFS-0405 Horas teoría - horas práctica - créditos:
Más detallesAplicaciones. Inteligencia Computacional Carrera de Ingeniería Informática
Aplicaciones Inteligencia Computacional Carrera de Ingeniería Informática Aplicaciones de IC Unidad VIII: Configuración del problema y aplicación de las técnicas de inteligencia computacional en: clasificación
Más detallesUNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI
UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: RECONOCIMIENTO DE PATRONES FECHA DE ELABORACIÓN: MARZO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( )
Más detallesConjuntos y Sistemas Difusos (Lógica Difusa y Aplicaciones)
Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Conjuntos y Sistemas s (Lógica Difusa y Aplicaciones) 7. Modelos s E.T.S.I. Informática J. Galindo Gómez MODELOS DIFUSOS Es
Más detallesFiltrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional
Filtrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional Mario A. Bueno a, Josué Álvarez-Borrego b, Leonardo Acho a y Vitaly Kober c mbueno@cicese.mx,
Más detallesDimensionamiento y Planificación de Redes
Dimensionamiento y Planificación de Redes Presentación de la asignatura Ramón Agüero Calvo Departamento de Ingeniería de Comunicaciones Este tema se publica bajo Licencia: Crea:ve Commons BY- NC- SA 4.0
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales REPRESENTACIÓN Y DESCRIPCIÓN Momentos INTRODUCCIÓN En general, la relación entre una imagen ideal f(x,y) y una imagen observada g(x,y) se describe como g =D( f ) donde D
Más detallesExtracción de características
Extracción de características Gonzalez & Woods, Digital Image Processing, cap. 8 extracción de características 1 Propiedades de las características Tienen que ser robustos: la extracción debe ser insensible
Más detalles[Aguilar & Toledo 95] Aguilar David, Toledo Vicente, Diseño de un OCR utilizando
68 BIBLIOGRAFÍA. [Aguilar & Toledo 95] Aguilar David, Toledo Vicente, Diseño de un OCR utilizando Redes Neuronales Artificiales, Tesis Profesional del Departamento de Ingeniería en Sistemas Computacionales
Más detallesBloque temático: Sistemas de Reconocimiento de Patrones
Bloque temático: Sistemas de Reconocimiento de Patrones 1 Sistemas de Reconocimiento de Patrones PRACTICAS 6)Estudio de ejemplos en Matlab 7)Adquisición de imágenes reales: generación de una librería de
Más detallesPredicción de una serie de tiempo caótica
Predicción de una serie de tiempo caótica P techniques LUIS FERNANDO PEDRAZA MARTÍNEZ Ingeniero Electrónico de la Universidad Distrital Francisco José de Caldas, magister en Ciencias de la Información
Más detallesReconstrucción Tridimensional a Partir de Varias Imágenes
Reconstrucción Tridimensional a Partir de Varias Imágenes Dr. Luis Gerardo de la Fraga E-mail: fraga@cs.cinvestav.mx Sección de Computación Departamento de Ingeniería Eléctrica CINVESTAV 22 de noviembre,
Más detallesDOCTORADO EN INGENIERÍA DEL LENGUAJE Y DEL CONOCIMIENTO. Área: Ingeniería del Lenguaje y del Conocimiento
DOCTORADO EN INGENIERÍA DEL LENGUAJE Y DEL CONOCIMIENTO Área: Ingeniería del Lenguaje y del Conocimiento Programa de Asignatura: Introducción al Diseño de Algoritmos y sus Aplicaciones Código: DILC10200
Más detallesControl con Lógica Difusa
Control con Lógica Difusa Control Difuso Dr. Fernando Ornelas Tellez Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica Morelia, Michoacan Dr. Fernando Ornelas Tellez UMSNH-FIE
Más detallesVisión Artificial Avanzada
Visión Artificial Avanzada Máster de Sistemas Inteligentes Instituto de Estudios de Posgrado Universidad de Córdoba Curso académico: 2015 2016 Trabajo del tema 1.- Introducción a la Visión Artificial Se
Más detallesIntroducción a la Criptología
Universidad Nacional Autónoma de México Facultad de Ciencias Propuesta de Temario para la Licenciatura en Ciencias de la Computación para la asignatura: Introducción a la Criptología Modalidad: Curso Carácter:
Más detallesEsquemas algorítmicos: Introducción
Algoritmia Algoritmia = = tratamiento sistemático de técnicas fundamentales para el diseño y análisis de algoritmos eficientes J. Campos - C.P.S. Esquemas algorítmicos - Pág. 1 Computadores cada vez más
Más detallesT10. Transformaciones geométricas
Índice T10. Motivación Clasificación de transformaciones Representación matricial; coordenadas homogéneas Transformación directa e inversa Métodos de interpolación Otras transformaciones Warping Morphing
Más detallesBibliografía básica. Rosen, K. H. (2004). Matemática discreta y sus aplicaciones. Madrid: McGraw-Hill. ISBN:
básica La bibliografía básica es imprescindible para el estudio de la asignatura. Cuando se indica que no está disponible en el aula virtual, tendrás que obtenerla por otros medios: librería UNIR, biblioteca
Más detallesSegmentación de una cartera de clientes usando aprendizaje de máquina
Inicio Segmentación de una cartera de clientes usando aprendizaje de máquina Universidad San Ignacio de Loyola I encuentro interdisciplinario de investigación desarrollo y tecnología USIL 2014 Inicio Inicio
Más detallesLABORATORIO No. 3 MODELAMIENTO Y ANALISIS DINAMICO DE SISTEMAS ELECTRICOS
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE INGENIERIA INGENIERÍA ELECTRÓNICA 1 SISTEMAS DINAMICOS 1160601 LABORATORIO No. 3 MODELAMIENTO Y ANALISIS DINAMICO DE SISTEMAS ELECTRICOS INSTRUCCIONES
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales REPRESENTACIÓN Y DESCRIPCIÓN Preparación de regiones INTRODUCCIÓN Después que la imagen fue segmentada, los objetos deben ser representados y descritos en una forma conveniente
Más detallesRed Neuronal para el Reconocimiento de Patrones
Conferencia Taller Sistemas Neuro borrosos 26 de abril de 2017 Red Neuronal para el Reconocimiento de Patrones Juan Carlos Alvarado Pérez juan.alvarado@aunar.edu.co Facultad de Ingeniería Programa de ingeniería
Más detallesReconocimiento de Huellas Dactilares
UNIVERSIDAD TECNOLOGICA NACIONAL FACULTAD CÓRDOBA CARRERA INGENIERÍA EN SISTEMAS DE INFORMACIÓN (PLAN 1985) TRABAJO FINAL PARA OBTENER EL TÍTULO INTERMEDIO DE ANALISTA UNIVERSITARIO DE SISTEMAS ASIGNATURA
Más detallesTÓPICOS SELECTOS DE OTROS CURSOS
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: TÓPICOS SELECTOS DE OTROS CURSOS DES: Ingeniería Ingeniería en Sistemas Programa(s) Educativo(s):
Más detallesCAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR
CAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR El algoritmo realizado para la detección de bordes de imágenes a color se basa en el operador Canny. La filosofía del operador
Más detallesReconocimiento de rostros con Redes Neuronales Convolucionales
Reconocimiento de rostros con Redes Neuronales Convolucionales Redes Neuronales (66.63) FIUBA Mario Azcueta Reconocimiento de rostros DETECTAR un rostro en una escena IDENTIFICAR un rostro en particular
Más detallesUNIVERSIDAD TECNOLOGICA DE PEREIRA FACULTAD DE INGENIERIAS
Asignatura Código Estructura de Datos IS34 Créditos 4 Intensidad semanal Requisitos 6 Horas IS284 Justificación Objetivo general Objetivos Específicos El propósito es la continuación del estudio de los
Más detallesClasificación. Agrupación de las partes de una imagen de forma homogénea
Clasificación Agrupación de las partes de una imagen de forma homogénea Clasificación o clustering Intenta clasificar los píxeles directamente en clases, en función de ciertas características de cada píxel.
Más detallesDescriptores de Forma
Descriptores de Forma Procesamiento de Imágenes y Bioseñales I Gabriela Villavicencio Andrés Cortés Jorge Mansilla Javier Ortiz Agenda Microscopia y Procesamiento en la migración celular Descriptores de
Más detallesCONTROL PREDICTIVO GENERALIZADO PARA SISTEMAS NO LINEALES UTILIZANDO UNA NEURONA DIFUSA RECURRENTE
ISSN:169257 Volumen 1 1 1- ISSN:1692-7257 2003 Volumen 1 No 3-2004 CONTROL PREDICTIVO GENERALIZADO PARA SISTEMAS NO LINEALES UTILIZANDO UNA NEURONA DIFUSA RECURRENTE EDMARY ALTAMIRANDA* 1 ELIEZER COLINA
Más detallesDiseño Gráficos de Control
Diseño Gráficos de Control Resumen Este procedimiento esta diseñado para ayudar a determinar el tamaño de muestra apropiado y los parámetros comunes para los gráficos de control. El diseño esta basado
Más detallesInteligencia Artificial. Grado en INFORMÁTICA 4º curso. Modalidad: Presencial
Grado en INFORMÁTICA 4º curso Modalidad: Presencial Sumario Datos básicos 3 Breve descripción de la asignatura 4 Requisitos previos 4 Objetivos 4 Competencias 5 Contenidos 6 Metodología 6 Criterios de
Más detallesMSC. Oscar Alberto Chávez Bosquez LIA. Ericsson Saldívar Correa Robles. Fecha de elaboración: 28 de Mayo de 2010 Fecha de última actualización:
PROGRAMA DE ESTUDIO Algoritmos avanzados Universidad Juárez Autónoma de Tabasco Programa Educativo: Licenciatura en Informática Administrativa Área de Formación : Integral Profesional Horas teóricas: 2
Más detallesOrganización y Gestión de Archivos
Organización y Gestión de Archivos Año académico: 2009-10 Estudios: Curso: 2 o Carácter: TRONCAL Descriptores: Profesor responsable: Area: Departamento: Centro: Escuela Politécnica Superior INGENIERÍA
Más detallesI I. Technical Report. "Algoritmo de segmentación de imágenes 3D usando los k-vecinos mas cercanos " Ismael Haddad Casadevall
Technical Report IRI-TR 08-07 RR I I "Algoritmo de segmentación de imágenes 3D usando los k-vecinos mas cercanos " Ismael Haddad Casadevall Agosto 2008 Institut de Robòtica i Informàtica Industrial Algoritmo
Más detallesVI-104 - ANÁLISIS DE LA ESTRUCTURA DE VARIABLES AMBIENTALES CON MIRAS A LA GENERACIÓN SINTÉICA DE DATOS
VI-104 - ANÁLISIS DE LA ESTRUCTURA DE VARIABLES AMBIENTALES CON MIRAS A LA GENERACIÓN SINTÉICA DE DATOS Edilberto Guevara Pérez (1) Prof. Dr. Ing., Escuela de Ingenaría Civil, Director de Estudios para
Más detallesIntroducción a los Sistemas de Información Agustín Rudas arudasl@unal.edu.co Laboratorio de Teledetección y SIG. Junio de 2008 Primera Parte: Que es un SIG (Teórico) Segunda Parte: Trabajando con ArcView
Más detallesAnálisis de Datos. Introducción al aprendizaje supervisado. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Introducción al aprendizaje supervisado Profesor: Dr. Wilfrido Gómez Flores 1 Conceptos básicos Desde la antigüedad, el problema de buscar patrones en datos es fundamental en diversas
Más detallesPROGRAMA DE CURSO. Personal CC3301 Programación de Software de Sistemas Resultados de Aprendizaje
PROGRAMA DE CURSO Código Nombre CC5204 Búsqueda y Análisis de Imágenes y Videos Nombre en Inglés Image and Video Retrieval SCT Unidades Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar
Más detallesINGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN
INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Sistemas de Calidad en T.I. 2. Competencias Dirigir proyectos de tecnologías
Más detallesINGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN
INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la Sistemas de Calidad en T.I. asignatura 2. Competencias Dirigir proyectos de tecnologías
Más detallesPontificia Universidad Católica del Ecuador
FACULTAD O ESCUELA DE INGENIERIA 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: Procesamiento de imágenes CÓDIGO: 14259 CARRERA: SISTEMAS NIVEL: Sexto No. CRÉDITOS: CRÉDITOS TEORÍA: CRÉDITOS PRÁCTICA: PROFESOR:
Más detallesREACTORES QUÍMICOS UNIDAD I REACTORES HOMOGÉNEOS
REACTORES QUÍMICOS UNIDAD I REACTORES HOMOGÉNEOS REACTOR: Es un equipo en el que se lleva acabo una reacción química en un tiempo determinado. A condiciones de presión y temperatura dadas. Objetivo de
Más detallesProgramación Dinámica
Programación Dinámica Agustín Santiago Gutiérrez Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Septiembre 2014 Agustín Gutiérrez (UBA) Programación Dinámica Septiembre 2014 1 / 10
Más detallesRESTAURACIÓN DE CONTORNOS
RESTAURACIÓN DE CONTORNOS Guillermo Sampallo - Arturo González Thomas Facultad Regional Resistencia UTN French 414 (3500)Resistencia Chaco sampallo@frre.utn.edu.ar RESUMEN: En este trabajo se presenta
Más detallesArquitectura FPGA para un Procesador Matricial
Arquitectura FPGA para un Procesador Matricial Miguel Morales-Sandoval, Moisés Pérez-Gutiérrez, Claudia Feregrino-Uribe, Miguel Arias-Estrada Coordinación de Ciencias Computacionales Instituto Nacional
Más detallesEstudio Comparativo de Técnicas Espaciales para la Identificación de Defectos en Textiles
Estudio Comparativo de Técnicas Espaciales para la Identificación de Defectos en Textiles José Armando Fernández G. MSc. Automatización Industrial, Ingeniero Electrónico Universidad Nacional, Coordinador
Más detallesPattern Classification
Pattern Classification All materials in these slides were taken from Pattern Classification (2nd ed) by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons, 2000 with the permission of the authors
Más detallesPROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra. Resultados de Aprendizaje
Código Nombre CC3102 Teoría de la Computación Nombre en Inglés Theory of Computation SCT es Docentes PROGRAMA DE CURSO Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6 10 3 1.5 5.5
Más detallesCAPÍTULO Inteligencia Artificial y Redes Neuronales Artificiales
CAPÍTULO 1 INTRODUCCIÓN 1.1 Inteligencia Artificial y Redes Neuronales Artificiales Durante las últimas décadas se han ido desarrollando investigaciones importantes en el área de la inteligencia artificial.
Más detallesIngeniería de Calidad
Programa de la Asignatura: Ingeniería de Calidad Código: 33 Carrera: Ingeniería en Computación Plan: 2013 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Cuarto año Segundo cuatrimestre
Más detallesManual del Usuario para el programa de reconocimiento de caracteres.
Manual del Usuario para el programa de reconocimiento de caracteres. Instalación. El software no tiene programa de instalación, solo es necesario copiar el ejecutable al directorio donde usted desee. Y
Más detallesFigura 1: Propiedades de textura: (a) Suavidad, (b) Rugosidad y (c) Regularidad
3 TEXTURA 3.1 CONCEPTO DE LA TEXTURA La textura es una característica importante utilizada en segmentación, identificación de objetos o regiones de interés en una imagen y obtención de forma. El uso de
Más detallesAPENDICE C Ondas Planas. La propagación de una onda escalar esta descrita por la siguiente ecuación diferencial parcial: u 2 2 u
APENDICE C Ondas Planas La Ecuación de Onda Una onda pude ser conceptualizada como una perturbación de un medio continuo. La onda se propaga con una forma definida y de este modo es portadora de información
Más detallesTaller de Programación Dinámica
Taller de Programación Dinámica Pablo Haramburu - Cristian Martinez Departamento de Computación Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 14 de abril de 2014 Pablo Haramburu
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA LICENCIADO EN CIENCIAS DE LA COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO LICENCIADO EN CIENCIAS DE LA COMPUTACIÓN Programa de la asignatura: Estructuras de Datos Clave: Semestre: Campo de conocimiento: Área de formación: * 2 Ciencias
Más detallesSegmentación de Imágenes Parte 2
Segmentación de Imágenes Parte 2 Visión Artificial Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Parcial - respuestas Descripción del Color Tres atributos: - Brillo
Más detallesCICY CICY Centro de Investigación Científica de Yucatán, A. C.
CICY CICY Centro de Investigación Científica de Yucatán, A. C. POSGRADO EN CIENCIAS ESPECIALIDAD: RECURSOS NATURALES MODELACION ESPACIAL CON SIG Y PERCEPCION REMOTA PROFESORES: Dr. José Luis Hernández-Stefanoni:
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS Reconocimiento de Patrones Área a la que pertenece: Área de Formación Integral Profesional Horas teóricas: 3 Horas prácticas: 1 Créditos: 7 Clave: F0182 Asignaturas antecedentes y
Más detallesMétodos Avanzados para Análisis y Representación de Imágenes
Morfología Matemática p. 1/24 Métodos Avanzados para Análisis y Representación de Imágenes Morfología Matemática en niveles de gris Departamento de Informática - FICH Universidad Nacional del Litoral Septiembre
Más detallesUniversidad Autónoma del Estado de México. La minería de datos en el proceso de KDD ( Knowledge Discovery and Data Mining)
Universidad Autónoma del Estado de México Material didáctico multimedia Sólo visión La minería de datos en el proceso de KDD ( Knowledge Discovery and Data Mining) Unidad de Aprendizaje Minería de Datos
Más detallesExtracción de Regiones
Visión por Computadora Unidad V Extracción de Regiones Rogelio Ferreira Escutia Contenido ) Conceptos sobre Regiones 2) Binarización mediante detección de umbral 3) Etiquetado de componentes conexas 4)
Más detallesPRACTICA No. 1 ENSAYO DE TRACCION UNIAXIAL PARA DIFERENTES TIPOS DE MATERIALES
PRACTICA No. 1 ENSAYO DE TRACCION UNIAXIAL PARA DIFERENTES TIPOS DE MATERIALES -OBJETIVO Identificar la relación que existe entre el esfuerzo y la deformación del material, para su posterior relación con
Más detallesRecAM. Reconocimiento Automático de Matrículas
RecAM Reconocimiento Automático de Matrículas Curso de Tratamiento de Imágenes por Computadora Año 2003 Tutor: Ing. Alvaro Pardo Integrantes: Rodrigo Abal Raúl Medeglia Nicolás Pebet De Qué Se Trata? Cada
Más detallesMICRODISEÑO CURRICULAR Ingeniería de Sistemas. Créditos TPS TIS TPT TIT
1. IDENTIFICACIÓN Asignatura Visión Artificial Área Nivel IV Código Pensum Correquisito(s) Prerrequisito(s) Créditos TPS TIS TPT TIT 2. JUSTIFICACIÓN. La visión artificial es una de las disciplinas de
Más detallesUniversidad Autónoma de San Luis Potosí Facultad de Ingeniería Programas Analíticos del Área Mecánica y Eléctrica
A) CURSO Clave Asignatura 5707 Programación I Horas de teoría Horas de práctica Horas trabajo Créditos Horas por semana por semana adicional estudiante Totales 3 2 3 8 48 B) DATOS BÁSICOS DEL CURSO IEA
Más detallesPredicción basada en vecinos
Predicción basada en vecinos Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Contenido Introducción Esquema de predicción directa Predicción basada
Más detallesExamen correspondiente a la evaluación alternativa. Procesamiento de imágenes digitales curso 2007/2008
Examen correspondiente a la evaluación alternativa Procesamiento de imágenes digitales curso 2007/2008 Cada respuesta correcta puntúa 0.25. Cada respuesta incorrecta puntúa -0.05. 1. Cuál de las siguientes
Más detallesASIGNATURA DE MODELADO DE SISTEMAS DE ENERGÍAS RENOVABLES
INGENIERÍA EN ENERGÍAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE MODELADO DE SISTEMAS DE ENERGÍAS RENOVABLES UNIDADES DE APRENDIZAJE 1. Competencias Desarrollar el modelado del proyecto propuesto,
Más detallesIntroducción Curso: Procesamiento Digital de Imágenes
Introducción Curso: Procesamiento Digital de Imágenes Luis Gerardo de la Fraga 7 de mayo de 2001 El término procesamiento digital de imágenes versa sobre la manipulación y análisis de imágenes por computadora
Más detallesOptica de Fourier y filtrado espacial
Optica de Fourier y filtrado espacial Objetivo Estudiar la óptica de Fourier y la formación de imágenes con luz coherente. Difracción de Fraunhofer Sea una onda plana de luz coherente que incide sobre
Más detallesAsignatura: Horas: Total (horas): Obligatoria Teóricas 3.0 Semana 5.0 Optativa X Prácticas 2.0 16 Semanas 80.0 de elección
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 15 de octubre de 2008 CONTROL
Más detallesINGENIERÍA EN ENERGÍAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE MODELADO DE SISTEMAS EN ENERGÍAS RENOVABLES
INGENIERÍA EN ENERGÍAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE MODELADO DE SISTEMAS EN ENERGÍAS RENOVABLES 1. Competencias Desarrollar sistemas de energías renovables mediante el diseño
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE
PROCESO DE COORDINACIÓN DE LAS ENSEÑANZAS PR/CL/001 ASIGNATURA 615000245 - PLAN DE ESTUDIOS 61IW - CURSO ACADÉMICO Y SEMESTRE 2017-18 - Primer semestre Índice Guía de Aprendizaje 1. Datos descriptivos...1
Más detallesCÁTEDRA: GEOLOGÍA ESTRUCTURAL Trabajo Práctico Nº 4 Análisis de la Deformación Interna (Strain)
CÁTEDRA: GEOLOGÍA ESTRUCTURAL Trabajo Práctico Nº 4 Análisis de la Deformación Interna (Strain) Objetivos Observar los cambios producidos por cizalla simple progresiva y adquirir el concepto de elipsoide
Más detallesTema 6: DESCRIPTORES DE LA IMAGEN Y RECONOCIMIENTO I N G E N I E R Í A I N F O R M Á T I C A
Tema 6: DESCRIPTORES DE LA IMAGEN Y RECONOCIMIENTO 1 I N G E N I E R Í A I N F O R M Á T I C A Introducción. 2 Objetivo: Extracción de rasgos con alguna información cuantitativa de interés o que sean fundamentales
Más detallesReconocimiento de objetos en fotografías Dr. Wilfrido Gómez Flores
Reconocimiento de objetos en fotografías Dr. Wilfrido Gómez Flores CINVESTAV-LTI TopTamaulipas 2015 3 de junio de 2015 1 Introducción El reconocimiento de objetos es la tarea de encontrar e identificar
Más detalles3º ESO - UNIDAD 12.- TRASLACIONES, GIROS Y SIMETRÍAS EN EL PLANO
3º ESO - UNIDAD 12.- TRASLACIONES, GIROS Y SIMETRÍAS EN EL PLANO OBJETIVOS MÍNIMOS DE LA UNIDAD 12 1.- Reconocer los diferentes tipos de movimientos 2.- En cuanto a las traslaciones, saber construir la
Más detallesReconocimiento de Patrones Trabajo Final - Reconocimiento de LETRAS
Reconocimiento de Patrones Trabajo Final - Reconocimiento de LETRAS Mario González Olmedo 8 de diciembre de 2014 Abstract En el presente informe, se plantea el problema propuesto sobre clasificación de
Más detalles3. Selección y Extracción de características. Selección: Extracción: -PCA -NMF
3. Selección y Extracción de características Selección: - óptimos y subóptimos Extracción: -PCA - LDA - ICA -NMF 1 Selección de Características Objetivo: Seleccionar un conjunto de p variables a partir
Más detallesCAPÍTULO 2. Desde el punto de vista más simple, hoy una imagen digital consiste de lo que se puede ver
CAPÍTULO 2 PROCESAMIENTO DE IMÁGENES 2.1 Imágenes Digitales Desde el punto de vista más simple, hoy una imagen digital consiste de lo que se puede ver como una matriz de miles o millones de píxeles cada
Más detallesVisión Artificial Unidad de Competencia I Introducción a la Visión Artificial
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO Centro Universitario UAEM Zumpango Ingeniero en Computación Visión Artificial Unidad de Competencia I Introducción a la Visión Artificial M. en C. Rafael Rojas
Más detallesAnálisis de Datos. Introducción al aprendizaje supervisado. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Introducción al aprendizaje supervisado Profesor: Dr. Wilfrido Gómez Flores 1 Conceptos básicos Reconocimiento de patrones (RP): clasificar objetos en un número de categorías o clases.
Más detallesRepresentación y Descripción
Representación y Descripción Introducción La representation se utiliza para hacer los datos útiles a una computadora (posterior descripción del proceso) representando una región en 2 formas en términos
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD DE CIENCIAS EXACTAS Y NATURALES MEDELLÍN - COLOMBIA. Evaluaciones 4 otros total: 64 horas de clase
UNIVERSIDAD DE ANTIOQUIA FACULTAD DE CIENCIAS EXACTAS Y NATURALES MEDELLÍN - COLOMBIA PROGRAMA DE CURSO DE PREGRADO INSTITUTO DEQUÍMICA ÁREA DE FISICOQUÍMICA CÓDIGO DEL CURSO: CNQ- NOMBRE: TEORÍA DE LA
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Algoritmica y complejidad. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Algoritmica y complejidad CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_61CI_615000308_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación
Más detallesProcesamiento digital de imágenes
Procesamiento digital de imágenes Dr. Luis Gerardo de la Fraga E-mail: fraga@cs.cinvestav.mx Departamento de Computación Cinvestav 15 de febrero, 2011 Dr. Luis Gerardo de la Fraga UPIBI, 2011 Procesamiento
Más detallesOPTATIVA I: MINERIA DE DATOS
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: OPTATIVA I: MINERIA DE DATOS DES: Programa(s) Educativo(s): Tipo de materia: Clave de la
Más detallesAplicación de Visión por Computador para el Reconocimiento Automático de Placas Vehiculares utilizando OCR s Convencionales.
Aplicación de Visión por Computador para el Reconocimiento Automático de Placas Vehiculares utilizando OCR s Convencionales. Richard Gutierrez 1 Ma. Fernanda Frydson 2 Phd. Boris Vintimilla 3 Fac. Ing.
Más detallesGeometría de las superficies
Geometría de las superficies Klette, schluns, koschan Computer vision: three dimensional data from images Cap 3 1 Representaciones funcionales Representación mediante una ecuación condicional para X e
Más detallesAlgoritmos para strings. Bioinformática Elvira Mayordomo
Algoritmos para strings Bioinformática 12-2-16 Elvira Mayordomo Hoy Notación básica para strings El problema de string matching: String matching automata Boyer-Moore Árboles de sufijos (con otras aplicaciones)
Más detallesReducción de Ruido por medio de Redes Neuronales
Reducción de Ruido por medio de Redes Neuronales Donato Hernández, Sergio Ledesma, Miguel Torres, Gabriel Aviña y Gerardo Canedo Facultad de Ingeniería Mecánica, Eléctrica y Electrónica Universidad de
Más detallesNuevas Adquisiciones (Maestría en Energía Eólica)
Community wind power projects. New York (State): Nova Science Publishers, c2012. 2 ejemplares. Wagner, Hermann-Josef. Introduction to wind energy systems: basics, technology and operation. 2a. ed. New
Más detallesTareas 20% Primer Examen Parcial 20% Segundo Examen Parcial 20% Proyecto Final 25% Examen Final 15%
Introducción a la Computación Evolutiva Dr. Carlos Artemio Coello Coello CINVESTAV-IPN Departamento de Computación Av. Instituto Politécnico Nacional No. 2508 Col. San Pedro Zacatenco México, D.F. 07360
Más detalles