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. (C)</p> Signup and view all the answers

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

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

¿Qué propiedad es deseable en un punto de interés?

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

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

<p>SuperPoint (C)</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. (B)</p> Signup and view all the answers

¿Qué técnica se menciona para el alineamiento de imágenes?

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

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

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

La Transformada de Hough se utiliza principalmente para:

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

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

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

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

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

¿Qué significa que un punto de interés sea distintivo?

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

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

<p>Curvas ROC (B)</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. (B)</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 (C)</p> Signup and view all the answers

La detección de objetos se utiliza principalmente para:

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

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

<p>Contenedores que delimitan objetos específicos (D)</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 (D)</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. (A)</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. (D)</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 (D)</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 (C)</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 (B)</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 (D)</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 (C)</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 (D)</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 (D)</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 (A)</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 (B)</p> Signup and view all the answers

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

<p>Outliers (D)</p> Signup and view all the answers

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

<p>Precisión (B)</p> Signup and view all the answers

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

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

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

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

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

<p>RANSAC (B)</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. (C)</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). (C)</p> Signup and view all the answers

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

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

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

<p>Bios y metron. (B)</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. (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. (D)</p> Signup and view all the answers

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

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

Flashcards

¿Qué es un punto de interés?

Una ubicación singular en una imagen que destaca por cambios significativos en su entorno. Puede ser una esquina, un extremo, etc.

Características deseables de un punto de interés

Debe ser distintivo (único) y repetible (identificado en múltiples imágenes con cambios de iluminación, escala o perspectiva).

Función de la detección de características

Identificar elementos clave en una imagen, facilitar el alineamiento de imágenes y reconocer patrones u objetos.

Aplicaciones de la detección de características

Detección de formas y elementos (robótica, realidad aumentada, navegación autónoma), alineamiento de imágenes (stitching, estabilización de video) y encaje/correspondencia (búsqueda de imágenes, seguimiento de objetos).

Signup and view all the flashcards

Proceso para trabajar con puntos de interés

Detección de la ubicación de los puntos en la imagen. Se busca determinar lo más distintivo posible mediante técnicas de detección de bordes o esquinas.

Signup and view all the flashcards

Puntos de interés: Esquinas

Puntos donde las direcciones de las líneas cambian bruscamente.

Signup and view all the flashcards

Puntos de interés: Extremos

Puntos que representan los máximos o mínimos de una superficie, como picos o valles.

Signup and view all the flashcards

Detección de Bordes

Técnica para identificar transiciones abruptas de intensidad en una imagen.

Signup and view all the flashcards

Encaje de Características

Proceso de encontrar correspondencias entre características de dos imágenes.

Signup and view all the flashcards

Matriz de Confusión

Herramienta que evalúa el rendimiento de un clasificador, mostrando los resultados (correctos e incorrectos).

Signup and view all the flashcards

Verdadero Positivo (TP)

Emparejamientos correctos encontrados correctamente por el algoritmo.

Signup and view all the flashcards

Falso Positivo (FP)

Emparejamientos incorrectos considerados como correctos por el algoritmo.

Signup and view all the flashcards

Precisión (Precision)

Proporción de predicciones correctas entre las predicciones totales.

Signup and view all the flashcards

Sensibilidad (Recall)

Porcentaje de Emparejamientos válidos detectados por el algoritmo.

Signup and view all the flashcards

Distancia Euclídea

Medida de la distancia entre dos puntos en un espacio n-dimensional. Es la raíz cuadrada de la suma de las diferencias al cuadrado de las coordenadas correspondientes.

Signup and view all the flashcards

ROC (Receiver Operating Characteristic)

Gráfica que muestra la sensibilidad frente a la tasa de falsos positivos para diferentes umbrales de decisión.

Signup and view all the flashcards

Distancia de Minkowski

Una generalización de la distancia euclidiana que usa un parámetro p. Calcula la distancia entre dos puntos considerando la diferencia de sus coordenadas elevadas a la potencia p.

Signup and view all the flashcards

Distancia de Mahalanobis

Considera las correlaciones entre variables y la escala de las medidas. Mide la distancia de un punto a un conjunto de datos, ponderando las diferencias por la covarianza.

Signup and view all the flashcards

Similitud coseno

No mide distancia, sino la orientación entre vectores. Mide el ángulo entre dos vectores.

Signup and view all the flashcards

RANSAC (Random Sample Consensus)

Método para manejar correspondencias incorrectas (outliers) en el encaje de modelos. Selecciona muestras aleatorias y calcula un modelo, eligiendo el que mejor se ajusta a más correspondencias válidas.

Signup and view all the flashcards

Puntos de interés

Puntos en una imagen que son únicos y se repiten, útiles para el reconocimiento y comparación de imágenes.

Signup and view all the flashcards

Bordes y líneas

Estructuras geométricas en imágenes que destacan discontinuidades o patrones en la imagen.

Signup and view all the flashcards

Encaje de modelos

Determinación de las relaciones entre dos imágenes, alineando sus features, como puntos de interés, para encontrar correspondencias.

Signup and view all the flashcards

Detección de características

Proceso crucial en visión por computador que explora, desde técnicas básicas hasta las más avanzadas, para identificar y describir rasgos destacados en las imágenes.

Signup and view all the flashcards

Reconocimiento de objetos

Tarea fundamental en Visión por Computador (VC) que incluye la clasificación, detección y segmentación de objetos.

Signup and view all the flashcards

Clasificación de imagen

Determina si una imagen contiene un objeto específico o pertenece a una clase.

Signup and view all the flashcards

Reconocimiento de ejemplares

Localiza instancias específicas de objetos conocidos.

Signup and view all the flashcards

Detección de objetos

Localiza múltiples objetos en una imagen y los etiqueta. Ejemplo: Identificar coches y personas en una escena urbana.

Signup and view all the flashcards

Comprensión de vídeo

Analiza relaciones entre objetos y actividades a lo largo del tiempo.

Signup and view all the flashcards

Segmentación Semántica

Asigna una etiqueta a cada píxel de una imagen, indicando la clase a la que pertenece.

Signup and view all the flashcards

Evaluación del Desempeño

Proceso de medir la exactitud y eficacia de los algoritmos de reconocimiento de objetos.

Signup and view all the flashcards

Técnicas de Evaluación Experimental

Métodos para determinar la calidad de un algoritmo de visión por computadora.

Signup and view all the flashcards

¿Qué es la biometría?

La biometría se refiere a la identificación o verificación de personas utilizando características fisiológicas o de comportamiento, en el campo de la seguridad e identificación.

Signup and view all the flashcards

Historia de la biometría

La biometría tiene una larga historia, desde las huellas de manos en cuevas hasta los sistemas modernos basados en el rostro o el iris.

Signup and view all the flashcards

Aplicaciones de la biometría

La biometría se utiliza en seguridad, control de acceso, identificación personal, forense, etc.

Signup and view all the flashcards

Rasgos biométricos

Son características únicas de una persona, como huellas dactilares, rostro, iris o voz, usadas en sistemas biométricos.

Signup and view all the flashcards

Análisis del rostro humano

Implica reconocer y analizar diferentes características del rostro, como ojos, nariz, boca, etc., para identificación.

Signup and view all the flashcards

Identificación biométrica

El proceso de verificar la identidad de una persona comparando sus rasgos biométricos con una base de datos.

Signup and view all the flashcards

¿Qué son los Deepfakes?

Imágenes o vídeos falsos creados por IA que parecen muy reales, desafiando la biometría al manipular información.

Signup and view all the flashcards

Retos en privacidad

La biometría plantea preocupaciones sobre la seguridad y privacidad de los datos biométricos de las personas.

Signup and view all the flashcards

Publicidad interactiva

Utiliza tecnología para personalizar la experiencia del cliente y aumentar el impacto de la publicidad en tiendas y displays.

Signup and view all the flashcards

Clasificación por género

Proceso de identificar el género de una persona mediante análisis facial o corporal. Se trata de un problema de clasificación binaria: masculino o femenino.

Signup and view all the flashcards

Privacidad de datos biométricos

Se refiere a la forma en que se almacenan y protegen los datos biométricos, como los rasgos faciales. Existe el riesgo de bases de datos centralizadas que pueden ser vulneradas.

Signup and view all the flashcards

Uso sin consentimiento

Utilización de información biométrica sin el permiso explícito del individuo. Puede incluir seguimiento secreto de personas.

Signup and view all the flashcards

Impacto cultural y social

La aceptación de la biometría varía según las culturas y regiones. Algunos pueden considerarla intrusiva.

Signup and view all the flashcards

Generalización de modelos biométricos

Los sistemas biométricos pueden fallar cuando se enfrentan a condiciones diferentes a las de su entrenamiento original.

Signup and view all the flashcards

Adaptación de Dominio

Técnicas para modificar el dominio objetivo (datos reales) para que se asemeje al dominio de entrenamiento (datos utilizados para entrenar el modelo).

Signup and view all the flashcards

Sistema ENCARA2

Sistema avanzado que detecta múltiples rostros en tiempo real en vídeos, combinando técnicas para lograr precisión y eficiencia.

Signup and view all the flashcards

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