Aplicación de Sistemas Híbridos Neuro

“Visión artificial apoyada en SHNS”
VISION ARTIFICIAL APOYADA EN
SISTEMAS HÍBRIDOS
NEURO-SIMBÓLICOS
Dr. Gerardo Reyes Salgado
Profesor-Investigador / Instituto Tecnológico de Cuautla
[email protected]
www.itcuautla.edu.mx
1
“Visión artificial apoyada en SHNS”
Agenda
I.
Los sistemas híbridos neurosimbólicos (SHNS)
II. La visión natural (VN) y la
visión artificial (VA)
III. Aplicación de SHNS a la VA
IV. Conclusiones
2
“Visión artificial apoyada en SHNS”
I
LOS SISTEMAS
HÍBRIDOS
NEURO-SIMBÓLICOS
3
“Visión artificial apoyada en SHNS”
I. ¿QUÉ ES UN SISTEMA HÍBRIDO?
CONOCIMIENTOS
EXPERIMENTALES
NUMÉRICOS
Adquiridos por medio de
algún sensor
- Bases de ejemplos
- Datos numéricos
CONOCIMIENTOS
TEÓRICOS
SIMBÓLICOS
Adquiridos por
documentos, expertos, etc.
- Reglas simbólicas
- Modelos matemáticos
Clasificación de los conocimientos por su origen
4
“Visión artificial apoyada en SHNS”
COMUNICACIÓN
Y COMPLEMENTARIEDAD
CONOCIMIENTOS
NUMÉRICOS
CONOCIMIENTOS
SIMBÓLICOS
5
“Visión artificial apoyada en SHNS”
¿CÓMO INTEGRAR
NUMÉRICO Y SIMBÓLICO?
CONOCIMIENTO
SIMBÓLICO
CONOCIMIENTO
NUMÉRICO
ADQUISICIÓN DE
CONOCIMIENTOS
APRENDIZAJE
EXPLICITACIÓN
MÓDULO
SIMBÓLICO
Transferencias
MÓDULO
NUMÉRICO
6
“Visión artificial apoyada en SHNS”
PRINCIPIOS DE FUNCIONAMIENTO
SIMBÓLICO
COMPILACIÓN
APRENDIZAJE
REGLAS SIMBÓLICAS U OTRA
ESTRUCTURA SIMBÓLICA
EXPLICITACIÓN
CONEXIONISTA
7
“Visión artificial apoyada en SHNS”
CRITERIOS PARA CLASIFICAR SHNS
[Osorio 98]
•Tipo de integración:
unificado, semi-híbrido, híbrido
o hibridación
• Grado de acoplamiento: débil, medio, fuerte
• Modo de integración: tratamiento encadenado, sub-tratamiento, meta-tratamiento,
co-tratamiento
• Transferencia de conocimientos: S  C , S  C, S  C
• Tipo de representación: localista, distribuida, combinada
de conocimientos:
• Modo de repr. de conoc.:
reglas clásicas, reglas difusas, reglas probabilistas,
predicados, árboles de decisión, perceptrón, etc
• Método de razonamiento: forward, backward, conexionista
• Modo de adquis. de conoc.: apr. continuo, no continuo, supervisado, no
supervisado.
8
“Visión artificial apoyada en SHNS”
UN MODELO DE SNHS
Reglas Simbólicas
Convertidor
Reglas a Red
MODULO
MÓDULO
SIMBOLICO
Reglas
Refinadas
M
Ó
O
D
U
L
O
E
D
E
Red
Inicial
MODULO
MÓDULO
NEURONAL
Red
Refinada
Ejemplos
Convertidor
Red a Reglas
V
A
L
I
D
A
C
I
O
N
9
“Visión artificial apoyada en SHNS”
II
LA VISIÓN
NATURAL Y LA
VISIÓN ARTIFICIAL
10
“Visión artificial apoyada en SHNS”
EL SISTEMA DE VISIÓN HUMANO
OJO
ÁREAS
VISUALES
DE LA
CORTEZA
CUERPO
GENICULAR
LATERAL
11
“Visión artificial apoyada en SHNS”
ESQUEMATIZANDO EL SISTEMA DE
VISIÓN HUMANO
Segmentación burda y rápida
Interacciones
adaptativas
E
S
C
E
N
I
m
a
g
prefiltrado
F
U
S
I
Ó
N
Extracción
de atributos
e
n
A
R
E
P
R
E
S
E
N
T
A
C
I
Ó
N
Proceso de
atención
Objetos semánticos
Elabora. de
modelo
Controles
RETINA
Filtrado, Compresión,
Codificación del color,
Detección espacio-temporal de
eventos
CORTEZA PRIMARIA
Filtros de Gabor, ACI,
Interacciones de colores
ÁREAS ASOCIATIVAS
Percepción de bajo nivel, Cartas
de intención, ...
•Percepción de alto nivel
•Análisis de datos
•Categorización
•Análisis de Componentes
Independientes
12
“Visión artificial apoyada en SHNS”
PROCESO DE VA Y
CONOCIMIENTO EXTERNO
13
“Visión artificial apoyada en SHNS”
III
APLICACIÓN DE
SISTEMAS
HÍBRIDOS
NEUROSIMBÓLICOS A LA
VISIÓN
ARTIFICIAL
14
“Visión artificial apoyada en SHNS”
DESARROLLO DE SISTEMAS DE VA
APOYADOS EN SHNS
Desde el 2001 hemos realizado los siguientes proyectos en
los que la VA es apoyada en SHNS:
1. Control de calidad mediante inspección visual:
• SHNS para refinar el conocimiento en un sistema de
visión artificial.
2. Diseño de SHNS aplicados en VA:
• Metodología para el diseño de SHNS aplicados a
problemas de inspección visual.
15
“Visión artificial apoyada en SHNS”
DESARROLLO DE SISTEMAS DE VA
APOYADOS POR SHNS
3. Conducción asistida de vehículos automotores:
• Modelado del comportamiento de conducción de
vehículos de transporte y/o carga aplicando redes
neuronales artificiales y visión artificial
4. Reconocimiento de rostros usando modelos
biológicos:
• Prototipo de RNA basada en modelos biológicos
para el reconocimiento de rostros.
16
“Visión artificial apoyada en SHNS”
1. CONTROL DE CALIDAD MEDIANTE
INSPECCIÓN VISUAL
17
“Visión artificial apoyada en SHNS”
LA VA EN LA INSPECCIÓN VISUAL
Proceso de visión
artificial
Conocimientos
numérico
Conocimientos
simbólico
(ORIGEN: CÁMARA)
(ORIGEN: EXPERTO HUMANO)
18
“Visión artificial apoyada en SHNS”
APLICACIÓN DE SHNS A LA INSPECCIÓN
VISUAL
Inspección visual
El proceso de comparación de
piezas, objetos individuales o
materiales fabricados según una
norma, con vistas al mantenimiento
de cierto nivel de calidad.
19
“Visión artificial apoyada en SHNS”
VENTAJAS DE LA
INSPECCIÓN VISUAL AUTOMÁTICA
Existe una demanda muy grande en el desarrollo de sistemas
de inspección visual automática.
• Independencia de factores humanos.
• Trabajar fuera del espectro visible.
• Aumento de la velocidad de inspección.
• Disminución de la carga de trabajo para
el experto humano.
• Eficiencia del proceso.
• Cumplimiento más
estándares de calidad.
estricto
de
los
20
“Visión artificial apoyada en SHNS”
COMPLEMENTO A LA INFORMACIÓN VISUAL
POCOS DE LOS
SISTEMAS DE
INSPECCIÓN VISUAL
CONSIDERAN ADEMÁS
DE LA INFORMACIÓN
VISUAL, EL
CONOCIMIENTO DE LOS
EXPERTOS
21
“Visión artificial apoyada en SHNS”
NUESTRA PROPUESTA
VA
CN
CS
Hacer
La
falta
complementarios
los
de
conocimientos
complementariedad
Integración
22
“Visión artificial apoyada en SHNS”
2. METODOLOGÍA
PARA DISEÑO DE SH EN VA
VA
CN
CS
Sistema
híbrido
SHNS
Integración
23
“Visión artificial apoyada en SHNS”
METODOLOGÍA
PARA DISEÑO DE SH EN VA
OBJETIVO:
Desarrollar una metodología de diseño que permita la
implementación de los SHNS en el proceso de visión artificial, la
cual mejore la ejecución del sistema global.
24
“Visión artificial apoyada en SHNS”
METODOLOGÍA
PARA DISEÑO DE SH EN VA
25
“Visión artificial apoyada en SHNS”
3. CONDUCCIÓN ASISTIDA DE VEHÍCULOS
AUTOMOTORES
26
“Visión artificial apoyada en SHNS”
SEGURIDAD EN CARRETERAS
Uno de los problemas en la seguridad de las carreteras, es
la generación de accidentes debido a los errores producidos en
la conducción de vehículos de carga y/o transporte.
Algunos de estos accidentes viales, podrían ser detectados
con anticipación y de esta manera ser evitados.
27
“Visión artificial apoyada en SHNS”
EL OBJETIVO DE ESTE PROYECTO
Desarrollar un sistema híbrido obtenido a partir
de conocimientos de expertos en conducción de
vehículos de transporte y/o de carga, así como
de datos capturados de videos de la cabina de
dicho tipo de vehículos.
El sistema clasifica los comportamientos del
conductor frente al volante y genera una alerta
para prevenir situaciones
de conducción
riesgosas.
28
SHNS PARA CLASIFICAR
COMPORTAMIENTO DE CONDUCTORES
“Visión artificial apoyada en SHNS”
Adquisición de conocimientos
Clasificador del SH
Log Simulador
Seguro
RNA
Opinión de
Clasificador
expertos
en
conducción
Visión Artificial
Aceptable
Riesgoso
29
“Visión artificial apoyada en SHNS”
ÁREAS INVOLUCRADAS
Visión
Artificial
Se trata de un sistema hibrido que
reúne diversas ramas de la IA
para cumplir el objetivo.
Redes
Neuronales
Artificiales
Modelos
Cognitivos
30
“Visión artificial apoyada en SHNS”
4. RECONOCIMIENTO DE ROSTROS
USANDO MODELOS BIOLÓGICOS
Para el ser humano, el
reconocimiento de rostros es una
actividad muy natural. Llevamos
entrenándonos y trabajando para
reconocer los rostros
prácticamente desde el momento
en que nacemos. Seguramente
por eso es que lo realizamos de
manera prácticamente
inconsciente y no estamos
completamente al tanto de cómo
es que se realiza dicha actividad.
31
“Visión artificial apoyada en SHNS”
RECONOCIMIENTO DE ROSTROS
Base de conocimiento
Clase 1
Imagen de
entrada
Vector de
características
Clasificador
(X1,1, X1,2, . . . X1,n)
Clase 2
(X2,1, X2,2, . . . X2,n)
(X1, X2, . . .
Xn)
Clase 3
•
•
•
(Xm,1, Xm,2, . . . Xm,n)
32
“Visión artificial apoyada en SHNS”
¿CÓMO SE REALIZA ESTE PROCESO?
“Es necesario englobar y considerar, en la medida
de lo posible, los modelos de los procesos que
intervienen en la captura de las imágenes por el
ojo humano, la transformación de esa información
en señales e impulsos eléctricos, la transmisión de
esos impulsos transformados a través del nervio
óptico, el procesamiento que realiza el cerebro
humano de esas señales en la corteza visual y
finalmente la extracción o interpretación que el
cerebro hace de esas señales, tal que hace posible
que una persona pueda reconocer un rostro”
(Asociación Larense de Astronomía, 2001)
33
“Visión artificial apoyada en SHNS”
¿CÓMO SE REALIZA ESTE PROCESO?
OJO
ÁREAS
VISUALES
DE LA
CORTEZA
CUERPO
GENICULAR
LATERAL
34
“Visión artificial apoyada en SHNS”
OBJETIVOS DE ESTE PROYECTO
Encontrar o formular un
paradigma de red neuronal
artificial que se aproxime más
al sistema biológico visual del
ser humano o bien al modelo
cognitivo empleado en el
reconocimiento de rostros
35
“Visión artificial apoyada en SHNS”
IV
CONCLUSIONES
36
“Visión artificial apoyada en SHNS”
CONCLUSIONES
"Estos dos tipos de conocimientos
forman dos conjuntos que tienen
una intersección, pero que pueden
ser totalmente complementarios"
[Towell-91]
Los conocimientos sobre un dominio no
son perfectamente correctos ni
completos
ENTONCES ...
37
“Visión artificial apoyada en SHNS”
CONCLUSIONES
 Los conocimientos en un SVA pueden ser
obtenidos desde diversas fuentes.
 Los enfoques simbólico y numérico tienen sus
propias ventajas y desventajas, al ser utilizados
de manera independiente.
 PERO.. la solución híbrida ofrece una valiosa
alternativa para el tratamiento de los
conocimientos en los sistemas de visión artificial.
 Podemos tener soluciones más robustas.
38
GRACIAS
“Visión artificial apoyada en SHNS”
Dr. Gerardo Reyes Salgado
[email protected]
39