Patrones y Reconocimiento. Aspecto Humano

Patrones y Reconocimiento.

Aspecto Humano

La mayoría de la información que se maneja en la vida real se presenta en forma de patrones complejos: Caras, textos, música, objetos, etc.

Desde el punto de vista de la psicología, el problema central en lo que refiere al reconocimiento de patrones es el estudio de los mecanismos mediante los cuales las señales externas estimulan los órganos sensoriales y los convierten en experiencias preceptúales. Dicho de otro modo. ¿ Como se realiza la clasificación de estos estímulos complejos asignándoles una identificación o nombre?. No existe un modelo que explique como se realiza esta tarea. Sin embargo se admite que se debe realizar de acuerdo al siguiente modelo:

-.El patrón debe ser “percibido” por los órganos sensoriales.

-.El patrón percibido (o “similar”) debe haberse percibido y recordado previamente.

-.Se debe establecer una relación entre lo percibido y lo recordado.

Esta aproximación se basa en el estudio de reconocimiento que realizan en los seres vivos.

Aspecto Tecnológico

El uso de computadores y otros dispositivos electrónicos ha impulsado el estudio y aplicación de técnicas de reconocimiento de patrones. Los dispositivos de adquisición de datos (sensores, convertidores A/D, etc) hacen posible que se puedan almacenar datos del mundo real (imágenes, sonidos, etc.). Lo cual permite establecer correlación y/o comparación entre observaciones actuales y pasadas. El problema a resolver es cuales son las metodologías apropiadas a la resolución de este problema.

No existe un método que sea la panacea. Diversas razones hacen que los sistemas de reconocimiento de patrones sean generalmente muy específicos del problema a resolver:

-. La naturaleza de los patrones: caracteres escritos (texto), objetos, imágenes, rasgos, etc.

-. Tiempo de respuesta: tiempos de respuesta excesivamente largos hace que el sistema de reconocimiento no sea aplicable en la practica (detección de huellas en tiempo real).

-. Alto costo económico: Equipos de sensores y procesamiento muy potentes pueden dar resultados satisfactorios pero no pueden ser asumidos por los usuarios.

Estos factores hacen que un sistema adecuado para resolver un problema sea inaplicable para otro.

Modelo de un sistema de Reconocimiento de patrones.

Un sistema de reconocimiento de patrones se muestra en la figura

Figura 1[pic 1]

Detector (o sensor). Su propósito es proporcionar una representación de los elementos a ser clasificados. Es un paso crucial ya que determina los limites de rendimiento del sistema.

En una situación ideal se deberían conocer las propiedades que distinguen los elementos en las diferentes clases y usar este conocimiento para diseñar el sensor, de manera que las mismas puedan ser medidas directamente. En la práctica esto generalmente es imposible porque:

-.No se dispone de ese conocimiento.

-.Muchas propiedades no pueden ser medidas directamente.

-.No es económicamente viable.

Extracción de Características. Esta etapa se encarga, a partir del patrón de representación, de extraer la información discriminatoria, eliminando información irrelevante o redundante. El propósito es reducir la dimensionalidad del problema.

Clasificador. Es la etapa de toma de decisiones. Su función es asignar a la categoría apropiada los patrones de clase desconocida.

Representación de los Patrones.

La entrada a un sistema de reconocimiento de patrones se puede representar por un vector que contiene los valores muestreados y cuantificados a partir de una serie de señales.

Formalmente suponiendo patrones n-dimensionales, un patrón X es una variable aleatoria n-dimensional formada por n componentes. x1, x2, .........xn.

Ejemplo

En el modelo de color RBG cada color esta compuesto por tres componentes primarios: rojo(R), verde(G) y azul(B). Esta representación esta basado en un sistema cartesiano. el subespacio de interes se muestra en la figura

[pic 2]

Cada patrón(color) esta representado por un vector de dimension 3, donde cada componente ha sido escalada (0,..., 255).

x = [ x1, x2, x3 ] donde x1 , x2, x3 tienen valores entre 0 y 255.

Similitud entre patrones.

la tarea fundamental de un sistema de reconocimiento de patrones (clasificador) es la de asignar a cada patrón de entrada una etiqueta. Dos patrones deberían asignarse a una misma clase si son similares y a clase diferentes si no lo son. La cuestión que se plantea es como se define una medida de similitud entre patrones. Descubriremos que hay varias maneras de expresar la similitud, pero esto  generalmente dependerá  del problema a resolver.

En un sistema de adquisición de patrones ideal se puede asegurar lo siguiente:

-. La adquisición repetida del mismo patrón debería tener la misma representación en el espacio de patrones. Por ejemplo. una cámara debería proporcionar siempre la misma escena si las condiciones externas no cambian.

-.Dos patrones distintos debe proporcionar dos representaciones diferentes.

-.Una leve distorsión aplicada sobre un patrón debería producir una pequeña distorsión en su representación.

Definitivamente suponemos que el proceso de adquisición es biunivoco. esto sugiere que si las representaciones de dos patrones están muy cercanas en el espacio de representación, entonces los patrones deben tener un alto grado de similitud, asimismo a mayor distancia mayor disimilaridad. Obviamente la medida de la distancia entre patrones dependerá de la escala en la que se cuantifiquen las variables asociadas al patrón.

Suponer un sistema de adquisición perfecto, obviamente es irreal. Los sistemas de adquisición producen cierta distorsión o ruido, lo que ocasiona cierta variabilidad en la representación de los patrones. Aunque sea posible controlar esta distorsión, la propia naturaleza de los patrones produce distorsión. ejemplo de ello son los sistemas de reconocimiento de caracteres(OCR). Aunque se trate de un solo tipo de letra, se producen variabilidad y/o distorsiones debido a factores como el granulado, color y calidad del papel o el tipo de tinta.

...