211service.com
Sistemas de visión de inspiración biológica
Los neurocientíficos del MIT han desarrollado un modelo de computadora que imita el sistema de visión humana para detectar y reconocer con precisión objetos en una escena callejera concurrida, como automóviles y motocicletas.
Reconocer objetos en una escena, como el automóvil en la escena de la calle que se muestra aquí, puede ser un desafío para las computadoras. Un modelo de cómo el cerebro procesa la información visual ofrece un enfoque exitoso.
Estos sistemas de visión de inspiración biológica pronto podrían usarse en sistemas de vigilancia o en sensores inteligentes que pueden advertir a los conductores de peatones y otros obstáculos. También puede ayudar en el desarrollo de los llamados motores de búsqueda visual, dice Thomas Serre , neurocientífico del Centro de Aprendizaje Biológico y Computacional en el Instituto McGovern de Investigación del Cerebro del MIT, que participó en el proyecto.
Los investigadores han estado interesados durante años en intentar copiar los sistemas de visión biológica, simplemente porque son tan buenos, dice David Hogg, un experto en visión por computadora de la Universidad de Leeds en el Reino Unido. Este es un ejemplo muy exitoso de [imitar la visión biológica], dice.
Enseñar a una computadora a clasificar objetos ha resultado mucho más difícil de lo que se anticipó originalmente, dice Serre, quien llevó a cabo el trabajo con Tomaso Poggio , codirector del centro. Por un lado, para reconocer un tipo particular de objeto, como un automóvil, una computadora necesita una plantilla o representación computacional específica para ese objeto en particular. Tal plantilla permite a la computadora distinguir un automóvil de los objetos de otras clases, no automóviles. Sin embargo, esta representación debe ser lo suficientemente flexible para incluir todo tipo de automóviles, sin importar cuán variada sea su apariencia, en diferentes ángulos, posiciones y poses, y bajo diferentes condiciones de iluminación.
Desea poder reconocer un objeto en cualquier lugar del campo de visión, independientemente de dónde se encuentre e independientemente de su tamaño, dice Serre. Sin embargo, si analiza las imágenes solo por sus patrones de píxeles claros y oscuros, entonces dos imágenes de retratos de diferentes personas pueden terminar pareciéndose más que dos imágenes de la misma persona tomadas desde diferentes ángulos.
El método más eficaz para solucionar estos problemas es entrenar un algoritmo de aprendizaje en un conjunto de imágenes y permitirle extraer las características que tienen en común; dos ruedas alineadas con la carretera podrían señalar un automóvil, por ejemplo. Serre y Poggio creen que el sistema de visión humano utiliza un enfoque similar, pero que depende de una jerarquía de capas sucesivas en la corteza visual. Las primeras capas de la corteza detectan las características más simples de un objeto, como los bordes, y las capas superiores integran esa información para formar nuestra percepción del objeto como un todo.
Para probar su teoría, Serre y Poggio trabajaron con Stanley Bileschi, también en el MIT, y Lior Wolf, miembro del departamento de ciencias de la computación de la Universidad de Tel Aviv en Israel, para crear un modelo de computadora que comprende 10 millones de unidades computacionales, cada una diseñada para comportarse. como grupos de neuronas en la corteza visual. Al igual que en la corteza, los grupos están organizados en capas.
Cuando el modelo aprende a ver por primera vez, algunas de las unidades con forma de celda extraen características rudimentarias de la escena, como los bordes orientados, mediante el análisis de grupos muy pequeños de píxeles. Estas neuronas son típicamente como agujeros que miran una pequeña porción del campo visual, dice Serre. Las unidades más complejas pueden captar una porción más grande de la imagen y reconocer características independientemente de su tamaño o posición. Por ejemplo, si las unidades simples detectan bordes verticales y horizontales, una unidad más compleja podría usar esa información para detectar una esquina.
Con cada capa sucesiva, se extraen de la imagen características cada vez más complejas. También lo son las relaciones entre características, como la distancia entre dos partes de un objeto o los diferentes ángulos en los que se orientan las dos partes. Esta información permite que el sistema reconozca el mismo objeto en diferentes ángulos.
Para nosotros fue una sorpresa cuando aplicamos este modelo a tareas visuales del mundo real y compitió bien con los mejores sistemas, dice Serre. De hecho, en algunas pruebas, su modelo reconoció objetos con éxito más del 95 por ciento de las veces, en promedio. Cuantas más imágenes se entrena el sistema, con mayor precisión funciona.
Quizás no debería sorprendernos, dice David Lowe , experto en visión por computadora y reconocimiento de objetos en la Universidad de British Colombia en Vancouver. La visión humana es mucho mejor en el reconocimiento que cualquiera de nuestros sistemas informáticos actuales, por lo que es probable que cualquier indicio de cómo proceder de la biología sea muy útil.
Por el momento, el sistema está diseñado para analizar solo imágenes fijas. Pero esto está muy en consonancia con la forma en que funciona el sistema de visión humana, dice Serre. Las entradas a la corteza visual son compartidas por un sistema que se ocupa de las formas y texturas, mientras que un sistema separado se ocupa del movimiento, dice. El equipo ahora está trabajando para incorporar un sistema paralelo para hacer frente al video.