Visión por Computador: Detección de Características

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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).

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.

Puntos donde las direcciones de las líneas cambian bruscamente.

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

Técnica para identificar transiciones abruptas de intensidad en una imagen.

Proceso de encontrar correspondencias entre características de dos imágenes.

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

Emparejamientos correctos encontrados correctamente por el algoritmo.

Emparejamientos incorrectos considerados como correctos por el algoritmo.

Proporción de predicciones correctas entre las predicciones totales.

Porcentaje de Emparejamientos válidos detectados por el algoritmo.

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.

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

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.

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.

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

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.

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

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

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

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

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

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

Localiza instancias específicas de objetos conocidos.

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

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

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

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

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

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.

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

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

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

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

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

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

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

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

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

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.

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

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

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

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

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