Visión por Computador: Detección de Características
48 Questions
0 Views

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

¿Cuál de las siguientes afirmaciones describe mejor un punto de interés?

  • Es una ubicación que presenta cambios significativos en su vecindad. (correct)
  • Es cualquier elemento decorativo de la imagen.
  • Es un área uniforme en una imagen.
  • Es un borde que delimita dos regiones en la imagen.

    • ¿Qué técnica se utiliza comúnmente para la detección de bordes en imágenes?

  • Transformada de Fourier
  • Modelo de Markov
  • Filtro de Canny (correct)
  • Segmentación por colores

    • ¿Cuál es la principal característica de la métrica de Mahalanobis?

  • Considera correlaciones entre variables. (correct)
  • Calcula la distancia a partir de un parámetro p.
  • Mide la distancia Euclídea entre puntos.
  • Es insensible a la escala de las medidas.

    • ¿Qué mide la similitud coseno entre dos vectores?

    <p>La orientación de los vectores.</p> Signup and view all the answers

    ¿Cuál de las siguientes aplicaciones está relacionada con la detección de características?

    <p>Reconocimiento de patrones</p> Signup and view all the answers

    ¿Qué propiedad es deseable en un punto de interés?

    <p>Ser repetible en diferentes imágenes</p> Signup and view all the answers

    ¿Cuál de las siguientes técnicas es un método moderno basado en Deep Learning?

    <p>SuperPoint</p> Signup and view all the answers

    ¿Qué función desempeña la técnica RANSAC en el manejo de emparejamientos incorrectos?

    <p>Calcula un modelo y cuenta inliers.</p> Signup and view all the answers

    ¿Qué técnica se menciona para el alineamiento de imágenes?

    <p>Stitching de imágenes</p> Signup and view all the answers

    ¿Cuál es una herramienta esencial para la detección de bordes?

    <p>Detector de Canny</p> Signup and view all the answers

    La Transformada de Hough se utiliza principalmente para:

    <p>Detección de líneas</p> Signup and view all the answers

    ¿Qué aspecto clave no se considera en la detección de características?

    <p>Calibración de cámara</p> Signup and view all the answers

    ¿Cuál es un método común para evaluar el encaje de características?

    <p>Matriz de Confusión</p> Signup and view all the answers

    ¿Qué significa que un punto de interés sea distintivo?

    <p>Que es único en su contexto.</p> Signup and view all the answers

    ¿Qué métrica permite validar el rendimiento de los métodos de detección?

    <p>Curvas ROC</p> Signup and view all the answers

    ¿Qué es un descriptor robusto en el contexto de detección de características?

    <p>Un elemento que caracteriza los puntos de interés.</p> Signup and view all the answers

    ¿Cuál de las siguientes es una subcategoría del reconocimiento de objetos en Visión por Computador?

    <p>Segmentación de imágenes</p> Signup and view all the answers

    La detección de objetos se utiliza principalmente para:

    <p>Localizar múltiples objetos en una imagen</p> Signup and view all the answers

    ¿Qué es el reconocimiento de ejemplares en el contexto del reconocimiento de objetos?

    <p>Localizar instancias específicas de objetos conocidos</p> Signup and view all the answers

    ¿Qué representan los 'bounding boxes' en la detección de objetos?

    <p>Contenedores que delimitan objetos específicos</p> Signup and view all the answers

    ¿Cuál es un ejemplo de una aplicación de la comprensión de vídeo?

    <p>Análisis de relaciones entre objetos y actividades a lo largo del tiempo</p> Signup and view all the answers

    ¿Qué diferencia principal existe entre la clasificación y la detección de objetos?

    <p>La clasificación solo identifica un objeto, mientras que la detección localiza varios.</p> Signup and view all the answers

    ¿Cuál de las siguientes afirmaciones sobre la segmentación semántica es correcta?

    <p>Segmenta imágenes en regiones con valores de color similares.</p> Signup and view all the answers

    ¿Qué criterio clave se utiliza para evaluar el desempeño de la detección de objetos?

    <p>Precisión y recall</p> Signup and view all the answers

    ¿Cuál es uno de los principales retos relacionados con el uso masivo de la biometría?

    <p>Preocupaciones éticas y legales</p> Signup and view all the answers

    ¿Qué afecta el rendimiento de los sistemas biométricos en situaciones del mundo real?

    <p>La discrepancia entre el dominio del entrenamiento y el dominio de aplicación</p> Signup and view all the answers

    ¿Cuál es un método utilizado para mitigar problemas de sesgo de entrenamiento en modelos biométricos?

    <p>Generación de datasets sintéticos</p> Signup and view all the answers

    ¿Qué técnica se utiliza para detectar diferencias sutiles entre rostros masculinos y femeninos?

    <p>Análisis facial utilizando LBP</p> Signup and view all the answers

    ¿Cuál de las siguientes afirmaciones describe mejor el impacto cultural y social de la biometría?

    <p>Su aceptación varía según la región o cultura</p> Signup and view all the answers

    ¿Cuál de los siguientes aspectos plantea preocupaciones sobre la privacidad de los datos biométricos?

    <p>El almacenamiento de rasgos biométricos</p> Signup and view all the answers

    El sistema ENCARA2 es conocido por ser eficiente en la detección de:

    <p>Múltiples rostros en flujos de vídeo</p> Signup and view all the answers

    ¿Qué técnica se utiliza para transformar el dominio objetivo a uno similar al de entrenamiento?

    <p>Adaptación de dominio</p> Signup and view all the answers

    ¿Cuál es el problema común asociado con los emparejamientos incorrectos en técnicas de encaje?

    <p>Outliers</p> Signup and view all the answers

    ¿Qué métrica se utiliza para evaluar la proporción de emparejamientos correctos detectados?

    <p>Precisión</p> Signup and view all the answers

    ¿Cuál es la fórmula para calcular la sensibilidad en la evaluación del encaje?

    <p>TP / (TP + FN)</p> Signup and view all the answers

    ¿Qué función cumple la matriz de confusión en la evaluación del rendimiento clasificatorio?

    <p>Mide la relación entre emparejamientos correctos e incorrectos</p> Signup and view all the answers

    En el contexto de encaje, ¿qué se evalúa utilizando la Curva ROC?

    <p>La sensibilidad (TPR) frente a la tasa de falsos positivos (FPR)</p> Signup and view all the answers

    ¿Qué representa la distancia Euclídea en el contexto del encaje?

    <p>Medida estándar que calcula la raíz cuadrada de la suma de las diferencias al cuadrado</p> Signup and view all the answers

    ¿Qué representa un Verdadero Positivo (TP) en la matriz de confusión?

    <p>Emparajamientos correctos detectados</p> Signup and view all the answers

    ¿Qué método se sugiere para filtrar correspondencias inválidas durante el emparejamiento?

    <p>RANSAC</p> Signup and view all the answers

    ¿Cuál es una de las razones principales para el uso de biometría?

    <p>Evitar la negación de autoría.</p> Signup and view all the answers

    ¿Qué sistema fue desarrollado en la década de 1960 para mejorar la identificación biométrica?

    <p>Sistema automático de huellas dactilares (AFIS).</p> Signup and view all the answers

    ¿Cuál de los siguientes rasgos biométricos fue propuesto como identificador único en 1930?

    <p>Iris.</p> Signup and view all the answers

    La palabra 'biometría' proviene de la combinación de dos palabras griegas. ¿Cuáles son?

    <p>Bios y metron.</p> Signup and view all the answers

    ¿En qué momento histórico comenzaron a utilizarse las huellas dactilares en las transacciones comerciales?

    <p>En Babilonia, alrededor del 500 a.C.</p> Signup and view all the answers

    ¿Qué avance en identificación biométrica fue propuesto por Francis Galton?

    <p>Análisis de minucias en huellas dactilares.</p> Signup and view all the answers

    ¿Qué problemáticas son comunes en el campo de la biometría?

    <p>Mitos y realidades en la identificación.</p> Signup and view all the answers

    ¿Cuál fue uno de los fines de la clasificación antropométrica del sistema Bertillon?

    <p>Identificación de individuos a través de medidas corporales.</p> Signup and view all the answers

    Study Notes

    Visión por Computador: Detección de Características

    • La detección de características en visión por computadora es crucial para analizar, procesar y manipular imágenes.
    • Incluye puntos de interés, bordes, líneas, contornos y segmentos.

    Puntos de Interés

    • Un punto de interés es una ubicación distintiva en una imagen con cambios significativos en su entorno.
    • Características deseadas: distintivo (único), repetible (identificable en múltiples imágenes a pesar de cambios).
    • Proceso: Detección, Descripción, Encaje.
    • Aplicaciones: Calibración de cámaras, reconocimiento de patrones y estabilización de video.
    • Técnicas populares: Autocorrelación, Detector de esquinas Harris (detectar cambios significativos en gradientes de intensidad).
    • Limitaciones de Harris: No invariante a escala, puede mejorarse con pirámides de imágenes o técnicas Harris-Laplace.

    Bordes

    • Los bordes representan límites entre regiones con propiedades diferentes (color, textura, intensidad).
    • Indican cambios de profundidad, iluminación o propiedades de superficie.
    • Detección de bordes: Operadores de gradiente (primera derivada), Operadores Laplacianos (segunda derivada), Filtros avanzados (Sobel, Prewitt, Canny).
    • Detector de bordes Canny: Suaviza la imagen, calcula gradientes y magnitudes, supresión de no máximos, umbrales de histéresis.

    Líneas

    • Las líneas representan contornos estructurados en objetos artificiales.
    • Representaciones: Ecuación cartesiana (y = mx + b), Representación polar (r = x cos θ + y sen θ).
    • Detección de líneas: Transformada de Hough (detecta líneas rectas con interrupciones, insensible a ruido).
    • Transformada de Hough probabilística (detecta extremos de líneas).
    • Transformada de Hough generalizada (para detectar círculos o elipses).
    • Implementación OpenCV: HoughLines, HoughLinesP.

    Segmentación

    • Divide una imagen en regiones o grupos de píxeles con características similares.
    • Aplicaciones: Identificación de objetos, análisis de regiones homogéneas, preparación de datos para clasificación.
    • Métodos clásicos: Segmentación basada en histogramas (sencilla pero limitada en imágenes complejas), Segmentación basada en regiones (División y Unión, Watershed), Clustering (K-means, Mean shift), Segmentación activa (Snakes).
    • Técnicas avanzadas: Segment Anything Model (SAM) - aprendizaje profundo para segmentar objetos sin anotaciones previas.

    Descriptores de Características

    • Traducen las propiedades de un punto de interés en un vector numérico para el encaje entre imágenes.
    • Métodos: SIFT (Scale-Invariant Feature Transform), SURF (Speeded-Up Robust Features), ORB (Oriented FAST and Rotated BRIEF).
    • SIFT - Invariante a escala, rotación y cambios de iluminación.
    • SURF - Más rápido que SIFT pero similar en robustez.
    • ORB - Eficiencia computacional.
    • Comparativa descriptiva: SIFT - alta robustez, alta complejidad; SURF - alta robustez, media complejidad; ORB - baja complejidad, baja robustez.

    Encaje de Características

    • Determina si dos características en diferentes imágenes corresponden al mismo punto del mundo real.
    • Técnicas: Basadas en plantillas (correlación, SSD), Basadas en histogramas (compara descriptores como SIFT usando distancias euclídeas).
    • Problemas: Outliers (emparejamientos incorrectos), solución con métodos como RANSAC. Implementación OpenCV: BFMatcher.

    Evaluación del Encaje de Características

    • Mide la precisión y eficiencia de los algoritmos de encaje.
    • Métricas clave: Matriz de Confusión (TP, FP, FN, TN), Precisión, Sensibilidad, Exactitud, Curvas ROC, AUC.
    • Distancias: Euclidea, Minkowski, Mahalanobis, Similitud coseno.
    • Métodos para manejar outliers: RANSAC, Deep Learning.

    Reconocimiento de Objetos

    • Tarea fundamental en visión por computadora que implica clasificación, detección y segmentación de objetos.
    • Tareas relacionadas: Clasificación de imagen, Reconocimiento de ejemplares, Detección de objetos, Comprensión de vídeo.
    • Detección de Objetos: Localización de objetos específicos en una imagen (bounding boxes).
    • Retos: Iluminación, pose, fondo, oclusiones, variaciones intraclase.
    • Métodos clásicos: Viola-Jones, HOG, Modelos basados en partes (DPM).
    • Avances con Deep Learning: R-CNN, Faster R-CNN, YOLO, RetinaNet.
    • Segmentación Semántica: Clasifica cada píxel de una imagen en categorías. -Tipos: Semántica, de ejemplares, panóptica.
    • Métodos destacados: Mask R-CNN, U-Net, Segment Anything Model (SAM).

    Aplicaciones en Biometría

    • La biometría usa características físicas, químicas o comportamentales para la identificación.
    • Usos: Seguridad, control de acceso, pago, personalizaciones, identificación forense.
    • Sistemas: Identificación (1:N), Verificación (1:1).
    • Métodos de identificación: Algo que se tiene, Algo que se sabe, Algo que se es.
    • Componentes de un sistema biométrico: Sensor, Extractor de características, Clasificador, Base de Datos.
    • Evaluación: Tasa de falsos positivos (FAR), Tasa de falsos negativos (FRR), Tasa de aceptaciones genuinas (GAR), Tasa de error igualitaria (EER), Curvas DET y ROC, AUC, FTA, FTE.
    • Rasgos: Biológicos (ADN), Fisiológicos (huella dactilar, rostro, iris), Comportamentales (voz, firma).
    • Sistema ENCARA2: Sistema de detección de múltiples rostros en tiempo real.
    • Deepfakes: Nueva amenaza para la biometría que permite manipulación de imágenes/vídeos con fines maliciosos.

    Studying That Suits You

    Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

    Quiz Team

    Related Documents

    Tema 4: Detección de Características - Apuntes PDF

    Description

    Este cuestionario explora la detección de características en visión por computadora, abarcando puntos de interés, bordes y técnicas relevantes. Aprende sobre el proceso de detección, descripción y encaje, así como las aplicaciones prácticas en análisis de imágenes. También se discuten las limitaciones de las técnicas y sus mejoras.

    More Like This

    Use Quizgecko on...
    Browser
    Open
    Browser
    Browser