RECONOCIMIENTO DE RUTAS DE ESCALADA EN PAREDES DE PIEDRA
|
|
- Mercedes Sosa Aguirre
- hace 6 años
- Vistas:
Transcripción
1 RECONOCIMIENTO DE RUTAS DE ESCALADA EN PAREDES DE PIEDRA PROCESAMIENTO DE IMÁGENES DIGITALES Curso 2013/2014 Carlos Falgueras García David Solís Martín Adrián Fernández Sola
2 1. Introducción Existen varios tipos de escalada: alpina, en hielo, clasica, artificial, en roca (clasica, psicobloc, deportiva). Escalada deportiva: Tiempo de escalada min. Altitud: 40 m. máximo Se pueden hacer varios largos. Se busca la dificultad: cada vez hacer cosas mas dificiles.
3 1. Introducción En una misma pared pueden existir multitud de rutas de muy diversa dificultad. Lo más común son guías en papel: En ocasiones dificil de determinar que ruta es cada una. Se vuelven obsoletas en poco tiempo.
4 1. Introducción En una misma pared pueden existir multitud de rutas de muy diversa dificultad. Lo más común son guías en papel: En ocasiones dificil de determinar que ruta es cada una. Se vuelven obsoletas en poco tiempo. IDEA: APLICACIÓN MOVIL DE REALIDAD AUMENTADA + RECONOCIMIENTO
5 1. Introducción MOTOR DE RECONOCIMIENTO Preprocesado Puntos carácterísticos Descriptores BD de rutas Buscar emparejamiento
6 1. Introducción MOTOR DE RECONOCIMIENTO Preprocesado: cierre, gauss,... FAST FREAK BD de rutas KNN
7 2. Preprocesado Hemos probado varios tipos de preprocesados para suavizar la imágen, eliminar ruido y, sobre todo, reducir puntos clave. Lo que se traduce en una mejora de la velocidad del algoritmo. Todas las imágenes se pasan a escala de grises, se escalan y se ecualiza su histograma, antes de aplicarle el algoritmo de reconocimiento u otro preprocesado.
8 3. Segmentación Imagen completa: Se obtienen los descriptores sobre la imagen completa..
9 3. Segmentación Subdivisión de la imagen: Se subdivide la imagen en una rejilla y se aplican los algoritmos a cada sección.
10 3. Segmentación Regiones sobre la ruta: Se establece como regiones unos cuadrados de tamaño determinado, centrados en los puntos que conforman la ruta.
11 4.1. FAST-n FAST es un detector de puntos característicos o píxeles esquina en una imagen Tenemos un píxel p con intensidad Ip. Escogemos un umbral de intensidad de valor t. Tomamos un círculo de 16 píxeles, con p como centro. p será un punto de interés si n píxeles contiguos de los 16 anteriores tienen una intensidad de Ip+t o Ip-t
12 4.1. FAST-n Por qué usar Fast-n, para n=12? Porque se pueden excluir un gran número de píxeles candidatos a esquina que no son esquina, aumentando así la velocidad de prueba. Para n<12 el algoritmo no funciona bien porque detecta muchos puntos de interés.
13 4.1. FAST-n Problema: Se detectan múltiples esquinas adyacentes entre ellas. Solución: Se aplica supresión no maximal para desechar los puntos de interés innecesarios.
14 4.1. FAST-n 1. Calculamos una función valor V por cada esquina. 2. Comparamos V1 y V2 de dos esquinas adyacentes p1 y p2, respectivamente. 3. Quitamos el p que tenga el V más pequeño.
15 4.2. FREAK FREAK es un algoritmo de descripción y reconocimiento de puntos clave, que se inspira en la morfología de la retina humana.
16 4.2. FREAK 1. Extracción de descriptor. Se usa una máscara/núcleo para analizar el entorno de un punto clave. Se aplica un filtro de Gauss a cada punto central de la zona. Se calcula la diferencias entre las intensidades de estos centros. Si la diferencia supera cierto umbral, se añadirá un 1 a la cadena de bits que conforma el descriptor.
17 4.2. FREAK 2.Entrenamiento de la red: Se utiliza un conjunto de imágenes de entrenamiento. Se extraen los descriptores de todos los puntos claves de todas las imágenes. Para ello se analizan todas las posibles parejas. Se calcula la media (varianza) de las parejas Se ordenan las parejas y se eligen los cuatro primeros grupos con mayor varianza
18 4.2. FREAK 2.Entrenamiento de la red: Las redes de parejas resultantes guardan relación con la morfología de la retina
19 4.2. FREAK 3. Búsqueda en cascada (sacádica). El ojo humano no se mueve de forma continua por una escena, sino que lo hace a pequeños saltos. Este comportamiento se denomina movimiento sacádico.
20 4.2. FREAK 3. Búsqueda en cascada (sacádica) a) objeto a reconocer Mapa distancias primera iteración b) Mejores resultados en la primera iteración Mapa distancias segunda iteración Objetos reconocidos
21 4.2. FREAK OpenCV no realiza una implementación fiel al algoritmo original Usa una aproximación del filtro de Gauss No está implementada la búsqueda sacádica
22 4.2. FREAK OpenCV no realiza una implementación fiel al algoritmo original
23 4.3. KNN Método de clasificación, que se entrena mediante el aprendizaje basado en un conjunto de entrenamiento. Los ejemplos del conjunto de entrenamiento son vectores multidimensionales.
24 4.3. KNN Entrenamiento: Se almacenan los vectores del conjunto de entrenamiento junto con su clasificación. Clasificación: Un punto es asignado a la clase C si ésta es la clase más frecuente entre los k ejemplos de entrenamiento más cercanos. (Se suele usar la distancia euclídea).
25 5. Entorno y metodología de trabajo Nuestro entorno de trabajo es Visual Studio, trabajando en C# y haciendo uso de librerías de opencv. Vamos a ver de manera práctica cómo se reconocen las rutas de escalada en el programa.
26 6. Resultados y conclusiones El sistema de entrenamiento de FREAK no consigue resultados muy significativos. Los tipos de segmentación propuestos no obtienen el resultado esperados. Los filtros de suavizado como el gausiano, producen los mejores resultados, reduciendo el ruido junto los puntos clave, y mejorando el rendimiento.
27 6. Resultados y conclusiones
28 6. Bibliografía [1] Raphael Ortiz, Pierre Vandergheynst, Alexandre Alahi. Freak: Fast retina keypoint. Technical report, Ecole Polytechnique Federale de Lausanne (EPFL), Switzerland. [2] Reid Porter, Tom Drummond, Edward Rosten. Faster and better: A machine learning approach to corner detection. Technical Report VOL.32 pp , IEEE Trans. Pattern Analysis and Machine Intelligence,2010. [3] Wikipedia. Corner detection. Accedido el 16 Marzo de 2011.
29 6. Bibliografía [4] Wikipedia. Knn. Accedido el 08 Enero de [5] Edward Rosten, Tom Drummond. Fusing points and lines for high performance tracking. Technical Report VOL.2 pp , in Proc. Int. Conf. Computer Vision, Octubre [6] Edward Rosten, Tom Drummond. Machine learning for high speed corner detection. Technical Report VOL.1 pp , 9th Euproean Conference on Computer Vision, Noviembre
30 6. Bibliografía [7] [8] [9]
Visión por computadora Computer vision
Visión por computadora Computer vision Conjunto de algoritmos que permiten obtener una representación visual del mundo, suficiente para la realización de una tarea dada. Representación visual El mundo:
Más detallesVisión. Sesión 3: Clasificación de imágenes mediante histogramas y características. Departamento CCIA
Visión Sesión 3: Clasificación de imágenes mediante histogramas y características Departamento CCIA http://www.jtech.ua.es/vision/2011/ Hoy Aplicaciones: emparejamiento de imágenes, búsqueda de patrones
Más detallesLicense Plate Detection using Neural Networks
License Plate Detection using Neural Networks Luis Carrera, Marco Mora Les Fous du Pixel Image Processing Research Group Department of Computer Science Catholic University of Maule http://www.lfdp-iprg.net
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 detallesVisión. Sesión 4: Búsqueda y tracking de modelos 2D en imágenes. Departamento CCIA http://www.jtech.ua.es/vision/2011/
Visión Sesión 4: Búsqueda y tracking de modelos 2D en imágenes Departamento CCIA http://www.jtech.ua.es/vision/2011/ Hoy Detección de aristas Transformada de Hough Componentes conectadas Alineación de
Más detallesLaboratorio de Visión para Robots. Práctica 2
1. Preparación del entorno de trabajo Laboratorio de Visión para Robots Práctica 2 La manera en la que trabajaremos será primero utilizando Eclipse para prototipar nuestro programa. Cuando podamos procesar
Más detallesPorqué analizar imágenes?
Porqué analizar imágenes? Medidas que requieren estudiar un número demasiado elevado de imágenes. Análisis cuantitativo: La visión humana no cuantifica por si sola. El análisis automático es más repetitivo
Más detallesAprendizaje basado en ejemplos.
Aprendizaje basado en ejemplos. In whitch we describe agents that can improve their behavior through diligent study of their own experiences. Porqué queremos que un agente aprenda? Si es posible un mejor
Más detallesRECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS EN IMÁGENES CON TRANSFORMADA SIFT
UNIVERSIDAD CARLOS III DE MADRID ESCUELA POLITÉCNICA SUPERIOR INGENIERÍA TÉCNICA DE TELECOMUNICACIÓN (ESPECIALIDAD EN SONIDO E IMAGEN) PROYECTO FIN DE CARRERA RECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS
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 detallesSistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides
Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides Introducción La visión artificial, también conocida como visión por computador
Más detalles[20380] Visió per Computador Prueba 2 (2013) Teoria (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada)
102784 [20380] Visió per Computador Prueba 2 (2013) Teoria (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 1. En cuál de estas posibles aplicaciones podríamos utilizar una característica
Más detallesREDUCCIÓN DEL RUIDO EN UNA IMAGEN DIGITAL
Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández REDUCCIÓN DEL RUIDO EN UNA IMAGEN DIGITAL Tabla de Contenidos Definición Filtros No Lineales Filtros Temporales Definición 3 G = Ruido:
Más detallesStory Desarrollar módulo de segmentación génerico para objetos. Product Backlog. Story Realizar pruebas del módulo de segmentación.
AssetType Name Scope Investigar, testear características de librerías de Computer Vision Investigar testear sobre librerías y Drivers para MS Kinect. Investigar y desarrollar prototipos sobre librerías
Más detallesANÁLISIS DE EFICIENCIA EN ALGORITMOS DE RECONOCIMIENTO DE IMÁGENES DIGITALES APLICABLES A DISPOSITIVOS MÓVILES BAJO LA PLATAFORMA ANDROID
ANÁLISIS DE EFICIENCIA EN ALGORITMOS DE RECONOCIMIENTO DE IMÁGENES DIGITALES APLICABLES A DISPOSITIVOS MÓVILES BAJO LA PLATAFORMA ANDROID Miguel Ñauñay Ilbay 1, Luis Tipantuña Córdova 2, Geovanny Raura
Más detalles3. Espacios de color. 3.Espacios de color. El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores:
3. Espacios de color El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores: El color es un poderoso descriptor que, en la mayoría de los casos simplifica la identificación
Más detallesESTUDIO DE INTERSECCIONES SEMAFÓRICAS REGULADAS POR VISIÓN ARTIFICIAL
ESTUDIO DE INTERSECCIONES SEMAFÓRICAS REGULADAS POR VISIÓN ARTIFICIAL Cristina Conde (1), Jorge Pérez (1), Pedro González (1), Jesús Silva (1), Laura Vaquero (1), Licesio J. Rodríguez (1), Enrique Cabello
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesVISIÓN POR COMPUTADOR
VISIÓN POR COMPUTADOR Introducción Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tabla de Contenidos 2 Definición de Visión por Computador Captación Información Luminosa Imagen Digital
Más detallesSISTEMA DE RECONOCIMIENTO FACIAL Y REALIDAD AUMENTADA PARA DISPOSITIVOS MÓVILES
Revista de investigación Editada por Área de Innovación y Desarrollo, S.L. Envío: 16-06-2012 Aceptación: 18-06-2012 Publicación: 19-06-2012 SISTEMA DE RECONOCIMIENTO FACIAL Y REALIDAD AUMENTADA PARA DISPOSITIVOS
Más detallesVisió per Computador presentació
Visió per Computador presentació Felipe Lumbreras Dept. Ciències de la Computació / Centre de Visió per Computador Universitat Autònoma de Barcelona http://www.cvc.uab.es/shared/teach/a102784/ Professor
Más detallesPM Webinar Buenas Practicas para una Gestión del Cronograma
PM Webinar Buenas Practicas para una Gestión del Cronograma Inga. Adriana Rodriguez, PMP Guatemala, 19 de Marzo de 2015 Patrocinadores Evento: PM Webinar Marzo 2015 Agradecimiento especial a nuestros Patrocinadores
Más detallesTutor: Ing. Eddie Galarza. Autores: Edison Xavier Sánchez Quevedo Edison Saúl Gallardo Calvopiña
DISEÑO Y CONSTRUCCIÓN DE UN SISTEMA DE AUTENTIFICACIÓN CON RECONOCIMIENTO FACIAL MEDIANTE PROCESAMIENTO DE IMÁGENES CON LA UTILIZACIÓN DE SOFTWARE LIBRE Y TECNOLOGÍA RASPBERRY PI Autores: Edison Xavier
Más detallesPLAN DE REINGENIERÍA DE VENTAS
PLAN DE REINGENIERÍA DE VENTAS una reingeniería basada en el cliente Mag. Alcides Zenteno Chamber Plan de Reingeniería de ventas EN QUE CONSISTE?... Consiste en un conjunto de actividades que tienen por
Más detallesINNOVATE 2016 FORMULARIO PARA LA PRESENTACIÒN DE PROYECTOS DE INVESTIGACIÒN CIENTÍFICO - TECNOLÓGICO. Reconocimiento facial para seguridad biométrica
FORMULARIO PARA LA PRESENTACIÒN DE PROYECTOS DE INVESTIGACIÒN CIENTÍFICO - TECNOLÓGICO 1. INFORMACIÓN GENERAL DEL PROYECTO a) Título (Nombre del trabajo o proyecto de investigación) Reconocimiento facial
Más detallesReconocimiento automático a través de visión artificial, correlación estadística y Matlab aplicado a las matrículas de vehículos
Reconocimiento automático a través de visión artificial, correlación estadística y Matlab aplicado a las matrículas de vehículos Orlando Barcia * obarcia@ups.edu.ec Introducción Existen muchas investigaciones
Más detallesAdquisición y proceso de múltiples datos para la gestión minera
Adquisición y proceso de múltiples datos para la gestión minera Aplicación práctica en el mundo minero Mining Tag S.A. Sergio Valenzuela Gerente General Diciembre, 2015 sirvan a la mejora de los procesos
Más detallesQue el estudiante sepa aplicar las principales técnicas que sirven para resaltar características en imágenes
1 Facultad: Ingeniería. Escuela: Biomédica Asignatura: Imágenes Médicas Realce de Características Objetivos Que el estudiante sepa aplicar las principales técnicas que sirven para resaltar características
Más detallesINSTITUTO UNIVERSITARIO DE SISTEMAS INTELIGENTES Y APLICACIONES NUMÉRICAS EN INGENIERÍA TRABAJO FINAL DE MÁSTER:
INSTITUTO UNIVERSITARIO DE SISTEMAS INTELIGENTES Y APLICACIONES NUMÉRICAS EN INGENIERÍA TRABAJO FINAL DE MÁSTER: Sistema Biométrico de Detección Facial sobre Alumno: Marcos del Pozo Baños Tutor: Dr. Modesto
Más detallesTema: Detección de billetes con OpenCV en Android.
TRABAJO FINAL PARA APROBACION DEL CURSO DE POSTGRADO: INTRODUCCION AL PROCESAMIENTO DIGITAL DE IMAGENES. UN ENFOQUE TEORICO - PRACTICO UTILIZANDO OPEN CV. FACULTAD DE INGENIERÍA. 2013. Autor: Vera, José
Más detallesInterfaz gráfica para el reconocimiento de objetos Dr. Wilfrido Gómez Flores
CINVESTAV-LTI TopTamaulipas 2015 3 de junio de 2015 Interfaz gráfica para el reconocimiento de objetos Dr. Wilfrido Gómez Flores 1 Descripción de archivos El archivo RecObj.rar contiene los elementos necesarios
Más detallesTema 4:Segmentación de imágenes
Tema 4:Segmentación de imágenes La segmentación de imágenes divide la imagen en sus partes constituyentes hasta un nivel de subdivisión en el que se aíslen las regiones u objetos de interés. Los algoritmos
Más detallesUNIVERSIDAD DEL NORTE DIVISION DE INGENIERÍAS DEPARTAMENTO DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA
UNIVERSIDAD DEL NORTE DIVISION DE INGENIERÍAS DEPARTAMENTO DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA Ingenierías DEPARTAMENTO Ingenierías eléctrica y electrónica PROGRAMA
Más detallesAplicaciones de la transformada wavelet Eliminación de ruido Profesor: Dr. Vicente F. Candela Pomares
Aplicaciones de la transformada wavelet Eliminación de ruido Profesor: Dr. Vicente F. Candela Pomares Leonardo Yamasaki Maza leyama@alumni.uv.es Julio / 2008 1. Introducción El ruido es un problema propio
Más detallesFiltros digitales dominio del espacio dominio de la frecuencia
Tema 3: Filtros 1 Filtros digitales Los filtros digitales constituyen uno de los principales modos de operar en el procesamiento de imágenes digitales. Pueden usarse para distintos fines, pero en todos
Más detallesDISEÑO CURRICULAR ALGEBRA LINEAL
DISEÑO CURRICULAR ALGEBRA LINEAL FACULTAD (ES) CARRERA (S) Ingeniería Computación y Sistemas CÓDIGO HORAS TEÓRICAS HORAS PRÁCTICAS UNIDADES DE CRÉDITO SEMESTRE 122443 02 02 03 II PRE-REQUISITO ELABORADO
Más detallesCLASIFICACIÓN DE IMÁGENES
CLASIFICACIÓN DE IMÁGENES Cesar Juárez Megías I.T.T. Imagen y sonido Carlos III de Madrid 100061832@alumnos.uc3m.es OBJETIVO. El objetivo principal de nuestro programa se basaría en la clasificación de
Más detallesServidor de Video para Fútbol de Robots Físico desarrollado bajo OpenCV y Microsoft Visual Studio
Servidor de Video para Fútbol de Robots Físico desarrollado bajo OpenCV y Microsoft Visual Studio Lic. Gonzalo Zabala 1, Sebastián Blanco 1, Matías Teragni 1 y Ricardo Moran 1 1 Centro de Altos Estudios
Más detallesRecuperación de información visual utilizando descriptores conceptuales
Recuperación de información visual utilizando descriptores conceptuales J. Benavent, X. Benavent y E. de Ves Departament d Informàtica (Universitat de València) {esther.deves,xaro.benavent}@uv.es Abstract.
Más detallesSEGMENTACIÓN AUTOMÁTICA DE TEJIDOS CEREBRALES EN MRI MULTIESPECTRALES MEDIANTE CLASIFICACIÓN POR MÍNIMA DISTANCIA EUCLÍDEA
42 Jornadas Argentinas de Informática 4 Congreso Argentino de Informática y Salud Facultad de Matemática, Astronomía y Física Universidad Nacional de Córdoba Córdoba, Argentina SEGMENTACIÓN AUTOMÁTICA
Más detallesReconocimiento de Caracteres en Imagen Digital, una Aplicación al Reconocimiento Automático de Placas de Vehículos
Reconocimiento de Caracteres en Imagen Digital, una Aplicación al Reconocimiento Automático de Placas de Vehículos Ricardo Rolón Alonso Facultad Politécnica, Universidad Nacional del Este Avda. Monseñor
Más detallesSistemas de Percepción
Visión por Computador Nota: Las imágenes que aparecen en esta presentación provienen del libro: Visión por Computador: fundamentos y métodos. Hueso. Prentice Hall. 1. Introducción 1 Definiciones: Introducción
Más detallesCapítulo 3. 3. Marco Teórico.
Capítulo 3 3. Marco Teórico. La visión artificial o visión por computador se define como un área multidisciplinar que pretende, en cierta medida, reproducir artificialmente el sentido de la vista mediante
Más detallesGuía Docente Curso 2008-2009
Nombre: Sistemas de percepción robótica Denominación en inglés 1 : Robotic perception ESCUELA POLITECNICA SUPERIOR Guía Docente Curso 2008-2009 Titulación Ingeniería Industrial DATOS DE LA ASIGNATURA Código:
Más detallesMétricas de complejidad para la transformación del problema de detección de cáncer basado en
Índice para la transformación del problema de detección de cáncer basado en mamografías Alumna: Núria Macià Antoĺınez Asesora: Ester Bernadó Mansilla Núria Macià Antoĺınez PFC: 1/49 Índice 1 Planteamiento
Más detallesResumen. 1. Introducción
Detección automática de situaciones peligrosas para el telecuidado de personas mayores José M. Cañas, Antonio Pineda, Pablo Barrera Departamento de Ingeniería Telemática y Tecnología Electrónica Universidad
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-mast.html elena.martinez@iimas.unam.mx
Más detallesFundamentos de la Visión Artificial. Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1
Fundamentos de la Visión Artificial Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1 Índice 1. Introducción a lavisión Artificial 2. Adquisición y representación de imágenes 3. Filtrado
Más detallesPROCESAMIENTO DE IMÁGENES DIGITALES
PROCESAMIENTO DE IMÁGENES DIGITALES 1 4 º C U R S O D E G R A D O I N G E N I E R Í A I N F O R M Á T I C A - T E C N O L O G Í A S I N F O R M Á T I C A S O P T A T I V A ( C U A T R I M E S T R E 1 )
Más detallesClasificación de imágenes digitales utilizando patrones N-dimensionales
Clasificación de imágenes digitales utilizando patrones N-dimensionales Sanz, Cecilia 1 De Giusti, Armando 2 {csanz, degiusti}@lidi.info.unlp.edu.ar LIDI. Laboratorio de Investigación y Desarrollo en Informática
Más detallesEl movimiento en problemas de visión artificial
El movimiento en problemas de visión artificial Rafael Molina Depto Ciencias de la Computación e IA Universidad de Granada 1 Contenidos I. Introducción II. Importancia del movimiento visual. III. Ejemplos
Más detallesAnotación Automática de Imágenes
Universidad Carlos III de Madrid Escuela Politécnica Superior Anotación Automática de Imágenes Proyecto Fin de Carrera Ingeniería Técnica de Telecomunicación Especialidad en Imagen y Sonido Autor: Juan
Más detallesTema 1.- Introducción a la Visión Artificial
Tema 1.- Introducción a la Visión Artificial Visión Artificial Avanzada Prof. Dr. Nicolás Luis Fernández García Departamento de Informática y Análisis Numérico Escuela Politécnica Superior Universidad
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 detallesCurso Avanzado de Procesamiento Digital de Imágenes con ENVI. TELEMATICA S.A. -
Curso Avanzado de Procesamiento Digital de Imágenes con ENVI L E C T U R A S TELEDETECCIÓN INTRODUCCIÓN TELEMATICA S.A. 2014 www.telematica.com.pe Introducción a la Teledetección y Procesamiento Digital
Más detallesTécnicas de inteligencia artificial. Visión Artificial Visión 3D
Técnicas de inteligencia artificial Visión Artificial Visión 3D Indice Introducción Visión estéreo Introducción Cuando usamos una cámara, perdemos la información 3D x y z y x z y x Sin embargo, la información
Más detallesImplementación de reconocimiento de objetos por color y forma en un robot móvil
Implementación de reconocimiento de objetos por color y forma en un robot móvil Efraín Ernesto Arévalo-Vázquez, Arturo Zúñiga-López, Juan Villegas-Cortez, Carlos Avilés-Cruz Universidad Autónoma Metropolitana,
Más detallesPlataforma aérea Microdrones MD4-1000.
Plataforma aérea Microdrones MD4-1000. Un nuevo enfoque en imagen aérea La imagen aérea no es un concepto desconocido prácticamente para nadie hoy en día. Todos hemos visto imágenes aéreas de multitud
Más detallesDetección de bordes en imágenes con sombras mediante LIP Canny
Detección de bordes en imágenes con sombras mediante LIP Canny José Manuel Palomares Área de Arq. y Tec. de Computadores Dept. de Electrotecnia y Electrónica Universidad de Córdoba Escuela Politécnica
Más detallesQué es una imágen digital?
Qué es una imágen digital? Una imagen digital es una fotografía, un dibujo, un trabajo artístico o cualquier otra imagen que es convertida en un fichero de ordenador. Qué es una imágen digital? Una imagen
Más detallesVISIÓN ARTIFICIAL VISIÓN ORIENTADA AL USUARIO
VISIÓN ARTIFICIAL VISIÓN ORIENTADA AL USUARIO 1 Indice Visión orientada al usuario. En qué consiste la visión orientada al usuario?. Equipos y características. Aplicaciones tipo. Equipos de altas prestaciones.
Más detallesTecnología de Información
CAPITULO 6 : Tecnología de Información ADMINISTRACIÓN DE DATOS MBA SERGIO ORTEGA Material revisado para la cursada 29 BIBLIOGRAFIA Básica: Laudon & Laudon, Sistemas de Información Gerencial. Organización
Más detalles1. Introducción 2. Esquema básico 3. Codificación 4. Evaluación 5. Selección 6. Operadores 7. Ejemplo. Algoritmos genéticos
1. Introducción 2. Esquema básico 3. Codificación 4. Evaluación 5. Selección 6. Operadores 7. Ejemplo Algoritmos genéticos Introducción Propuestos por Holland, mediados 70, computación evolutiva Popularizados
Más detallesDEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con
Más detallesRevista Digital Universitaria. 10 de enero 2006 Volumen 7 Número 1 ISSN: Bermeo Campos Nadia Lizbeth
Revista Digital Universitaria 10 de enero 2006 Volumen 7 Número 1 ISSN: 1067-6079 ROBOTS CONTROLADOS POR INTERNET PARA LA LOCALIZACIÓN DE OBJETOS [ETAPA 1 DESARROLLO DE SOFTWARE] Bermeo Campos Nadia Lizbeth
Más detallesCapítulo 4 Exploración del ambiente.
Capítulo 4 Exploración del ambiente. Para explorar el ambiente se tomó como base el vehículo explorador de Braitenberg, la idea es tomar este comportamiento y adaptarlo al uso de una cámara de video, esto
Más detallesSistemas de Interconexión entre Redes LAN
Los puentes Sistemas de Interconexión entre Redes LAN Generalidades Los puentes (bridges) operan en la capa de enlace de datos Sólo se usan las direcciones del nivel 2 de OSI En caso de redes IEEE 802.x,
Más detallesEstudio y Selección de las Técnicas SIFT, SURF y ASIFT de Reconocimiento de Imágenes para el Diseño de un Prototipo en Dispositivos Móviles.
Estudio y Selección de las Técnicas SIFT, SURF y ASIFT de Reconocimiento de Imágenes para el Diseño de un Prototipo en Dispositivos Móviles. Andrea Maricela Plaza Cordero Jorge Luis Zambrano Martínez Autores
Más detallesAnálisis y síntesis de sistemas digitales combinacionales
Análisis Algoritmo de análisis, para un circuito lógico combinacional Síntesis. Conceptos Circuitos combinacionales bien construidos Circuitos combinacionales mal construidos Criterios de optimización
Más detallesProyecto Fin de Carrera
Proyecto Fin de Carrera Reconocimiento de acciones humanas en secuencias de vídeo Autor Pedro José Monforte Sánchez Director Carlos Orrite Uruñuela Escuela de Ingeniería y Arquitectura 2012 Repositorio
Más detallesM É T O D O S A L T E R N A T I V O S P A R A E X T R A C C I O N D E V E C T O R C A R A C T E R I S T I C AS.
A P É N D I C E D M É T O D O S A L T E R N A T I V O S P A R A E X T R A C C I O N D E V E C T O R C A R A C T E R I S T I C AS. Código extendido de Sombras. Burr ha propuesto el código de sombras como
Más detallesVISIÓN 3D. José M. Sebastián - Luis M. Jiménez. Problema Central de la Visión Artificial Tridimensional.
VISIÓN 3D José M. Sebastián - Luis M. Jiménez Problema Central de la Visión Artificial Tridimensional. A partir de una imagen o de una secuencia de imágenes de un objeto estacionario o en movimiento, tomada
Más detallesDIVIDIR UNA IMAGEN EN CUADRICULAS versión 2
Prácticas de GIMP para 4º Informática p.1/5 DIVIDIR UNA IMAGEN EN CUADRICULAS versión 2 Índice DIVIDIR UNA IMAGEN EN CUADRICULAS versión 2...1 1 Intro...1 2 Reducir el tamaño de una imagen...1 3 Recortar
Más detallesEspecialidades en GII-TI
Especialidades en GII-TI José Luis Ruiz Reina (coordinador) Escuela Técnica Superior de Ingeniería Informática Mayo 2014 Qué especialidades tiene la Ingeniería Informática? Según las asociaciones científicas
Más detallesModelo de Saliencia Utilizando el Descriptor de Covarianza
Modelo de Saliencia Utilizando el Descriptor de Covarianza Cristobal Undurraga Rius, Domingo Mery Quiroz Departamento Ciencias de la Computación Pontificia Universidad Católica de Chile Av.Vicuña Mackenna
Más detallesAjustes lineales por aproximación manual. Reglas para una correcta representación gráfica
Ajustes lineales por aproximación manual. Reglas para una correcta representación gráfica Para las representaciones gráficas manuales sobre papel deben tenerse en cuenta los siguientes criterios (se presenta
Más detallesSistema inteligente para el tratamiento de ruidos
Sistema inteligente para el tratamiento de ruidos G.M.Barrera, F.D.Goldenstein, D.M.López de Luise Universidad de Palermo (Tel.: 54--599-4520, aigroup@palermo.edu). Objetivos y alcance El principal objetivo
Más detallesDETECCIÓN Y DESCRIPCIÓN DE PUNTOS CARACTERÍSTICOS EN IMÁGENES DEL ESPECTRO VISIBLE
DETECCIÓN Y DESCRIPCIÓN DE PUNTOS CARACTERÍSTICOS EN IMÁGENES DEL ESPECTRO VISIBLE Miguel Angel Behr López 1, Luis Javier Maridueña Novillo 1 Boris X. Vintimilla 1 and Angel D. Sappa 1,2 1 Facultad de
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 detallesReconocimiento de Caracteres: Un abordaje invariante a translación, rotación y escala
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
Más detallesCaracterización Temporal de las Demandas de Ancho de Banda en Enlaces con Alta Agregación Mediante un Modelo Normal Multivariante
High Performance Caracterización Temporal de las Demandas de Ancho de Banda en Enlaces con Alta Agregación Mediante un Modelo Normal Multivariante F. Mata J.L. García-Dorado J. Aracil High Performance
Más detallesSpagoBI Open Source Business Intelligence
SpagoBI Open Source Business Intelligence La plataforma SpagoBI Open Source Business Intelligence Conceptos Inteligencia empresarial (Business Intelligence) es un agregado de aplicaciones y herramientas
Más detallesTema 2: Representación de problemas como espacios de estados
Tema 2: Representación de problemas como espacios de estados José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad
Más detallesVisión artificial y Robótica Geometría. Depto. de Ciencia de la Computación e Inteligencia Artificial
Visión artificial y Robótica Geometría Depto. de Ciencia de la Computación e Inteligencia Artificial Contenidos Geometría 2D y 3D Transformación de coordenadas Calibración de la cámara Álgebra necesaria
Más detallesAplicación de las Redes Complejas a la Visión Artificial
Aplicación de las Redes Complejas a la Visión Artificial Ángel Sánchez Departamento de Ciencias de la Computación Universidad Rey Juan Carlos Campus de Móstoles 28933 Móstoles (Madrid) E-mail: angel.sanchez@urjc.es
Más detallesTécnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO
Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO 2 Objetivo El objetivo principal de las técnicas de clasificación supervisada es obtener un modelo clasificatorio válido para permitir tratar
Más detallesSistemas Biométricos para el aula nuestro de informática.
Sistemas Biométricos para el aula nuestro de informática. La "biometría informática" es la aplicación de técnicas matemáticas y estadísticas sobre los rasgos físicos o de conducta de un individuo, para
Más detallesOBJETIVO GENERAL: Al terminar el curso el alumno será capaz de analizar, diseñar e implementar bases de datos distribuidas
PLAN DE ESTUDIOS 2008 LICENCIADO EN INFORMÁTICA FACULTAD DE CONTADURÍA, ADMINISTRACIÓN E INFORMÁTICA ASIGNATURA: BASE DE DATOS III ÁREA DEL CONOCIMIENTO: TRATAMIENTO DE LA INFORMACIÓN CLAVE: I6BD3 ETAPA
Más detallesMención en Computación
Mención en Computación Competencias Idea general sobre lo que es computación Aprender SOBRE lenguajes de programación, diseño y procesamiento Aprender SOBRE la eficiencia y complejidad de algoritmos (
Más detallesANEXO 5 SEGUNDO INFORME DE AVANCE ESTUDIO DE CASO SITIO PILOTO MENDOZA DEPARTAMENTO DE LAVALLE. Marzo de 2005
ANEXO 5 SEGUNDO INFORME DE AVANCE ESTUDIO DE CASO SITIO PILOTO MENDOZA DEPARTAMENTO DE LAVALLE Marzo de 2005 EVALUACIÓN DE DEGRADACIÓN DE TIERRAS EN ZONAS ÁRIDAS PROYECTO LADA-FAO ARGENTINA Inventario
Más detallesDISEÑO DE UN ROBOT MÓVIL PARA LA DETECCIÓN Y RASTREO DE UNA TRAYECTORIA BASADA EN PERCEPCIONES DE COLOR
DISEÑO DE UN ROBOT MÓVIL PARA LA DETECCIÓN Y RASTREO DE UNA TRAYECTORIA BASADA EN PERCEPCIONES DE COLOR Design of a mobile robot for the detection and tracking of a path based on color perception Verónica
Más detallesIntroducción a las Redes Neuronales
Introducción a las Redes Neuronales Excepto en las tareas basadas en el cálculo aritmético simple, actualmente, el cerebro humano es superior a cualquier computador: Reconocimiento de imágenes, Interpretación
Más detallesInforme Proyecto: Protocolo ARQ- Híbrido
Informe Proyecto: Protocolo ARQ- Híbrido Integrantes: Ignacio Catrileo D. Ignacio García A. Profesor : Agustín González V. Resumen: Los ARQ como Stop-and-Wait, Go-Back-N y Selective Repeat son protocolos
Más detallesCLASIFICACIÓN DE LA IMAGEN. Escuela de Ingeniería Civil y Geomática Francisco Luis Hernández Torres
CLASIFICACIÓN DE LA IMAGEN TÉCNICA QUE PERMITE LA IDENTIFICACIÓN DE LOS DIFERENTES OBJETOS O GRUPOS PRESENTES EN UNA IMAGEN MULTI-ESPECTRAL. MÉTODO NO SUPERVISADO MÉTODO SUPERVISADO El Desarrollo De Las
Más detallesCORPORACIÓN UNIVERSITARIA REMINGTON
1 Programa: Asignatura: Contaduría Pública. Algebra Lineal. Nivel: 03 Créditos: 3 OBJETIVOS - Estudiar la representación matricial del modelo lineal para optimizar el manejo operativo del mismo. - Analizar
Más detallesCaptura ergonómica de cheques bancarios mediante dispositivos móviles Android
TFG EN ENGINYERIA INFORMÀTICA, ESCOLA D ENGINYERIA (EE), UNIVERSITAT AUTÒNOMA DE BARCELONA (UAB) 1 Captura ergonómica de cheques bancarios mediante dispositivos móviles Android Flavius Stefan Nicu Resumen
Más detallesGRADIENTE La laplaciana es un buen filtro paso alto, pero no es una buena herramienta para resaltar o detectar los bordes. En muchos casos, los bordes o límites de las figuras o de las regiones aparecen
Más detallesCLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)
CLASIFICACIÓN NO SUPERVISADA CLUSTERING Y MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) info@clustering.50webs.com Indice INTRODUCCIÓN 3 RESUMEN DEL CONTENIDO 3 APRENDIZAJE
Más detallesAplicación de Modelos Matemáticos en el Tratamiento de Imágenes de Ultrasonido
Aplicación de Modelos Matemáticos en el Tratamiento de Imágenes de Ultrasonido Dr. Marco MORA Investigador Les Fous du Pixel Image Procesing Group Departamento de Computación e Informática Universidad
Más detallesSIMPLIFICACIÓN DE FUNCIONES LÓGICAS
LABORATORIO # 4 Realización: SIMPLIFICACIÓN DE FUNCIONES LÓGICAS 1. OBJETIVOS Los objetivos de este laboratorio es que Usted, aprenda a: Simplificar funciones utilizando mapas de Karnaugh Utilizar compuertas
Más detalles