1.
Definición de conceptos: estudiando el libro guía, el estudiante investiga de manera individual y da
respuesta a las siguientes preguntas teóricas:
a. ¿Qué es extracción de características en una imagen?
La extracción de características está relacionada con la reducción de dimensionalidad.
En el procesamiento de imágenes, los algoritmos se utilizan para detectar y aislar varias porciones o
formas (características) deseadas de una imagen digitalizada o un flujo de video. Es particularmente
importante en el área del reconocimiento óptico de caracteres.
b. ¿Qué es un clasificador de umbral o perceptrón?
El perceptrón multicapa es una red neuronal artificial (RNA) formada por múltiples capas, de tal manera que
tiene capacidad para resolver problemas que no son linealmente separables, lo cual es la principal limitación del
perceptrón (también llamado perceptrón simple). El perceptrón multicapa puede estar totalmente o localmente
conectado. En el primer caso cada salida de una neurona de la capa "i" es entrada de todas las neuronas de la
capa "i+1", mientras que en el segundo cada neurona de la capa "i" es entrada de una serie de neuronas (región)
de la capa "i+1".
c. ¿Qué es un clasificador supervisado y no supervisado en imágenes?
Clasificación supervisada:
La clasificación supervisada se basa en la disponibilidad de áreas de entrenamiento.
. Se trata de áreas de las que se conoce a priori la clase a la que pertenecen y que
servirán para generar una signatura espectral característica de cada una de las
clases. Se denominan clases informacionales. Estas deben ser áreas lo más
homogéneas posibles y en las que sepamos lo que había el día que se tomó la
imagen. Por ello esta operación se realiza el mismo día en el que el satélite toma la
imagen y luego se compra esta. Otra posibilidad es utilizar fotografía aérea o
información de otro tipo.
Clasificación no supervisada:
En la clasificación no supervisada no se establece ninguna clase a priori, aunque es
necesario determinar el número de clases que queremos establecer, y se utilizan
algoritmos matemáticos de clasificación automática. Los más comunes son los
algoritmos de clustering que divide el espacio de las variables en una serie de
regiones de manera que se minimice la variabilidad interna de los pixeles incluidos
en cada región.
d. ¿Qué es máquina de soporte vectorial?
También son conocidas con el acrónimo SVM por sus siglas en inglés (Support Vector Machines). Se
pueden usar tanto para regresión como para clasificación.
Conceptualmente, los SVM son más fáciles de explicar para problemas de clasificación. La máquinas de
vectores de soporte surgen para encontrar la manera óptima de clasificar.
e. ¿Qué y cuáles tipos de kernels tiene una SVM?
El truco del kernel consiste en inventar una dimensión nueva en la que podamos encontrar un hiperplano
para separar las clases. En la siguiente figura vemos cómo al añadir una dimensión nueva, podemos
separar fácilmente las dos clases con una superficie de decisión.
Tipos de funciones Kernel (Núcleo)
Polinomial-homogénea: K(xi, xj) = (xi·xj)n
Perceptron: K(xi, xj)= || xi-xj ||
Función de base radial Gaussiana: separado por un hiperplano en el espacio transformado.
Nota1: Después de realizar la lectura del libro guía se debe estructurar con sus propias palabras la
definición de los temas, esto no debe tener una extensión mayor a 3 páginas.
Nota2: Aporte de las preguntas en el foro colaborativo en
formato Word, con la siguiente extensión: “Preguntas_nombre estudiante_Etapa3”
2. Implementación de códigos (componente práctico): cada estudiante debe realizar de
manera individual la implementación de los códigos que se encuentran en el Anexo 1.
También debe analizar los resultados obtenidos y crear los scripts que se solicitan en el
mismo anexo.
Nota: Aporte en el foro de la implementación de los códigos
proporcionados en el anexo 1, con la extensión:
“códigos_nombre estudiante_Etapa3”
Bibliografía:
https://www.quora.com/What-is-feature-extraction-in-image-processing
https://es.wikipedia.org/wiki/Perceptr%C3%B3n_multicapa#:~:text=El%20perceptr%C3%B3n
%20multicapa%20es%20una,(tambi%C3%A9n%20llamado%20perceptr%C3%B3n%20simple).
https://www.um.es/geograf/sigmur/temariohtml/node74_mn.html
https://www.iartificial.net/maquinas-de-vectores-de-soporte-svm/
