IV.4 REFORNED:
Reconocimiento de Imágenes
por Medio de Redes Neuronales,
Sistemas Evolutivos y Distribuidos
Alejandrina Salazar Torres*
Resumen
En este trabajo se
presenta la integración de redes neuronales y sistemas evolutivos, ambos
utilizados como herramientas para la elaboración de un sistema de
reconocimiento de imágenes.
El sistema consta, en su arquitectura, de
una red neuronal basada únicamente en representaciones matriciales, en la cual,
las imágenes al ser capturadas y digitalizadas se almacenan dentro de ésta, y
de un mecanismo evolutivo, el cual permite retroalimentación, reforzamiento y
actualización de imágenes.
Así de este modo REFORNED está constituido
de una red neural evolutiva centrándose principalmente, al desarrollo de ésta red,
así como de comprobar su alcance de aprendizaje y reconocimiento.
I
Planteamiento Del Problema
Debido a que los sistemas que están orientados al reconocimiento de
imágenes o patrones presentan normalmente, un modelo restringido de la
realidad, ocasionando con esto, problemas que día con día se van complicando al
igual que sus soluciones; y aunque se han desarrollado diferentes sistemas con
diferentes métodos y algoritmos dentro de la Inteligencia Artificial, no
permiten la solución de dichos problemas.
Alejandrina
Salazar Torres realizó este trabajo cuando :cursaba el segundo semestre de la
Licenciatura en Ciencias de la Informática en la Unidad Profesional
Interdisciplinaria de Ingeniería y
Ciencias Sociales y Administrativas (UPlICSA)
Debido a lo anterior, se
tomó la idea de utilizar una red neural evolutiva, para reconocimiento de
imágenes, centrándose principalmente, al desarrollo de ésta red, y comprobar el
nivel de aprendizaje y reconocimiento en los resultados obtenidos.
La Red Neural Evolutiva
posee las características de aprendizaje, reconocimiento, retroalimentación,
reforzamiento y actualización.
Cabe decir que el modelo de
Red Neural Evolutiva ha sido ya tratada por Fernando Galindo Soria.
II
Reforned
El funcionamiento general del sistema se aprecia en el diagrama de la
figura 1.
Figura
1. Componentes de REFORNED
III
Red Neural Evolutiva
El manejo de las imágenes al ser digitalizadas, se hace mediante
manejo de matrices y vectores, en donde las imágenes digitalizadas se almacenan
dentro de la matriz de manera sucesiva; posteriormente, al introducir la imagen
a reconocer, se hace en forma de vector, una instancia de la matriz evolutiva
se muestra en la figura 2.
|
|
IMAGEN |
UMBRAL |
NOMBRE |
|
|
I1 |
h1 |
N1 |
|
|
I2 |
h2 |
N2 |
|
|
… |
… |
… |
|
|
In |
hn |
Nn |
Figura
2. Una instancia de la Matriz Evolutiva
El mecanismo Evolutivo
permite normalizar, regular el tamaño, reforzar y permitir retroalimentación.
Este mecanismo funciona como sigue: ya introducida la imagen, esta recibe un
"tratamiento", que consiste en delimitar el espacio, de tal forma que
siempre se use la misma cantidad de puntos; además de realizar todas las
combinaciones posibles. Ya hecho este "tratamiento" sobre la imagen,
se sobreencima en el mismo vector (trabajos de Cuitlahuac Cantú Rohlik y Angel
Cesar Morales Rubio).
Esto permite que exista, al
introducirse la imagen a reconocer, una "coladera" en donde la imagen
coincide en una línea en donde aumentan considerablemente las variables, y
arrojan un resultado mayor en comparación con las demás.
Este proceso logra además,
que al sumarse las imágenes digitalizadas con las ya almacenadas en la red,
vaya concluyendo el sistema las características principales, secundarias,
terciarias, etc. de la imagen.
Conclusiones
Como se sabe, las redes neuronales permiten reconocer imágenes,
letras, etc.; pero también se pueden confundir. Hay que tener en cuenta que los
humanos tenemos un 4% de error al reconocer objetos o personas; muchas veces
hemos confundido a personas a pesar que existen rasgos muy diferentes. Por lo
cual no es posible aún lograr un 96% de reconocimiento por medio de la
computadora, y mucho menos reconocer al 100% algo.
Las redes Neuronales
Evolutivas, no están exentas de este error, ya que puede suceder que al existir
una retroalimentación constante, y sí no se normaliza, puede confundir un gato
con un perro o viceversa; para aminorar este tipo de error se utiliza una
normalización, que consiste en dividir el resultado final con las sumatorias de
las entradas activadas.
Este proyecto, al engrosar
tres herramientas: Sistemas Evolutivos, Distribuidos y Redes Neurales, es
demasiado extenso, ya que falta aún la integración de los Sistemas
Distribuidos, la cual se llevará a cabo posteriormente, en la etapa final del
proyecto.