211service.com
El software aprende a etiquetar fotos
Investigadores estadounidenses han lanzado un nuevo programa en línea para etiquetar imágenes automáticamente de acuerdo con su contenido. En su primera prueba en el mundo real, el programa procesó miles de imágenes de acceso público disponibles en el sitio para compartir fotos. Flickr . Se generó al menos una etiqueta precisa para el 98 por ciento de todas las imágenes analizadas.
El nuevo software, llamado ALIPR (Indexación lingüística automática de imágenes), utiliza una combinación de técnicas estadísticas para procesar una imagen y asignarle un lote de 15 palabras, ordenadas en orden de relevancia percibida. Estas palabras pueden referirse a un objeto específico dentro de la imagen, como una persona o un automóvil, o a un tema más general, como al aire libre o artificial.
Para los humanos, descifrar una imagen es engañosamente simple. Y, sin embargo, para las computadoras, que pueden clasificar millones de documentos de texto con una velocidad y precisión increíbles, identificar el contenido de una imagen sigue siendo una tarea endiabladamente difícil.
Reconocer semánticamente de qué se trata una imagen es uno de los problemas más difíciles de la IA, dice Jia Li, matemático de la Universidad Estatal de Pensilvania, en el State College, que creó el software con su colega James Wang, miembro de la Facultad de Ciencias de la Información y Tecnología. Los objetos del mundo real son tridimensionales, explica Li. Cuando aparecen en una imagen, pueden variar enormemente en color, forma, gesto, tamaño y posición, y una computadora generalmente no tiene conocimiento previo sobre las variaciones.
Debido a que una comprensión compleja del mundo permanece más allá de la capacidad de las computadoras, se necesitan algoritmos de procesamiento de la visión más eficientes para ayudarlos a imitar la visión y la inteligencia humanas.
ALIPR analiza una imagen píxel a píxel y aplica un método estadístico novedoso para calcular la probabilidad de que una palabra en particular pueda describir su contenido. Esto implica examinar la distribución del color y la textura dentro de la imagen y comparar estas características con una base de datos almacenada de palabras e imágenes. Li y Wang entrenaron su programa utilizando una base de datos comercial que contenía alrededor de 50.000 imágenes que ya habían sido etiquetadas.
Recientemente, probaron ALIPR en 5411 imágenes nunca antes vistas disponibles en el popular sitio para compartir imágenes Flickr. Para el 51 por ciento de estas imágenes, la primera palabra generada por ALIPR apareció en las etiquetas de los usuarios. El programa también produjo al menos una palabra precisa el 98 por ciento de las veces. Los investigadores emplearon imágenes que los usuarios de Flickr hicieron accesibles al público, a las que también se podía acceder abiertamente a través de la propia interfaz de programación de aplicaciones de Flickr.
Un mejor software de reconocimiento de imágenes podría tener una variedad de aplicaciones, dice Li. Podría, por ejemplo, mejorar los motores de búsqueda de Internet o etiquetar automáticamente colecciones de imágenes digitales. Li cree que también podría ayudar a los científicos a clasificar grandes cantidades de información visual: la clasificación de imágenes es a veces una necesidad en el estudio científico. Sin la ayuda de una computadora, los investigadores tienen que clasificar las imágenes manualmente, y este proceso puede ser lento y quedarse atrás del alto rendimiento de nuevas imágenes.
Los algoritmos subyacentes tal vez podrían prestarse a varias otras tareas informáticas difíciles. Se pueden aplicar enfoques similares al análisis de video y posiblemente a otros problemas, agrega Li.
Luis von Ahn , profesor asistente de ciencias de la computación en la Universidad Carnegie Mellon, en Pittsburgh, Pensilvania, dice que la investigación es un paso en la dirección correcta, pero que se debe mejorar la tasa de precisión del software. Señala que las imágenes en sitios como Flickr a menudo contienen material muy similar. La verdad del asunto es que estas imágenes son en gran parte sobre lo mismo: la gente en su mayoría toma fotografías de otras personas, dice. Por lo tanto, el solo uso de la palabra 'personas' ya etiqueta un gran porcentaje de las imágenes correctamente.
Von Ahn también cree que los humanos podrían desempeñar un papel más importante en el entrenamiento de los algoritmos de reconocimiento de la visión. Dirige un sitio llamado Peekaboom que convierte el etiquetado de imágenes en un juego para dos jugadores en línea. A medida que una imagen se revela lentamente, cada jugador debe correr para encontrar la etiqueta adecuada para ella. Esto ayuda a entrenar el software de von Ahn para identificar imágenes centrándose en partes clave. Hasta ahora, se han clasificado aproximadamente 100.000 imágenes individuales utilizando Peekaboom, dice von Ahn.
Alexander Berg , un experto en visión por computadora de la Universidad de California, en Berkley, está de acuerdo en que los humanos podrían ayudar a las computadoras a comprender mejor los datos complejos. Sugiere que las etiquetas que aparecen en sitios como Flickr y YouTube, así como en muchos blogs y sitios web de noticias, podrían resultar cruciales para este esfuerzo en el futuro. En general, la búsqueda de imágenes y videos es un área que debe dar grandes pasos, dice Berg. Cada vez hay más datos en línea con cierta cantidad de etiquetado humano.
Es una idea que es bienvenida por Li: Cuantos más datos confiables podamos acceder y usar, mejor.