Sistema de visión artificial que puede reconocer objetos con imágenes parciales

Actualmente los sistemas de visión artificial no pueden completar o entender una imagen de un objeto después de ver solo ciertas partes de él y pueden llegar a confundirse si lo ven en un entorno desconocido. Esto se debe a que su capacidad para identificar lo que ven está determinada solo por lo que los humanos le han enseñado.

Sin embargo, un grupo de ingenieros de la Escuela de Ingeniería Samueli de la Universidad de California en Los Ángeles (UCLA) y de la Universidad de Stanford desarrollaron un sistema de visión artificial que le permite a las computadoras reconocer objetos a partir de imágenes parciales. Para ello, los ingenieros usaron a su favor la gran cantidad de imágenes y vídeos de objetos que se encuentran en Internet, pues, la variación de contexto, perspectiva, distancia y condición lumínica es importantes para aprender a ver como lo hacen los humano.

El sistema está basado en ideas de la psicología cognitiva y la neurociencia; y opera en tres fases. La primera consiste en dividir la imagen en “viewlets” (partes pequeñas). Después, el sistema entiende cómo estas partes se relacionan entre si para conformar el objeto al observar cada uno de los fragmentos. Y, finalmente, evalúa los elementos que lo rodean para determinar si estos son relevantes para identificar el objeto.

Los ingenieros pusieron a prueba el sistema con 9.000 imágenes y este fue capaz de construir un modelo detallado del cuerpo humano sin ser guiado y sin etiquetar las imágenes.

Referencia:

Brain-inspired automated visual object discovery and detection. Lichao Chen, Sudhir Singh, Thomas Kailath, and Vwani Roychowdhury. PNAS, December 17, 2018. DOI:https://doi.org/10.1073/pnas.1802103115

No Comments

Post a Comment