Aprendizaje automático y visión por computadora

Abstract

Esta línea de investigación se centra en el estudio y desarrollo de Sistemas Inteligentes para la resolución de problemas de reconocimiento de patrones en imágenes y video, utilizando técnicas de Aprendizaje Automático clásicas, junto con las nuevas Redes Neuronales Convolucionales y Aprendizaje profundo. El trabajo presentado describe diferentes casos de aplicación en visión por computadora. Uno de los principales problemas desarrollados es el reconocimiento de lengua de señas. Este es un caso que presenta diversas aristas a atacar como el reconocimiento del intérprete, la segmentación de manos, la clasificación de diferentes configuraciones y de un gesto dinámico, entre otros problemas. En esta área se llevan a cabo diversas investigaciones. Por un lado, se están desarrollando dos librerías para potenciar la carga, el manejo y procesamiento de bases de datos de lengua de señas, así como de imágenes de formas de mano correspondientes a las mismas. Por otro lado, se está estudiando cómo mejorar el reconocimiento de formas de manos de la lengua de señas con Redes Neuronales Convolucionales. Un problema importante dentro de esa área es el de otorgar invarianza a la rotación para reconocer formas de mano. A partir de ese requerimiento, se han desarrollado análisis sobre la forma en que las redes neuronales convolucionales aprenden la invarianza a la rotación y otras transformaciones afines, no sólo en el dominio de las formas de mano sino en general. Siguiendo con la línea de reconocimiento de patrones en video, se realizó un estudio de diferentes modelos de clasificación de peatones en la vía pública. El objetivo de esta investigación se centró en el análisis de la generalización de los modelos, midiendo cómo se comportaban luego de ser entrenado con un conjunto de datos y ser evaluado con otro. Por último, se está desarrollando un proyecto de I+D+I para identificar diferentes atributos faciales en rostros humanos como emociones y otras características.