Ante proyecto BUSCADOR IMAGENES POR TEXTO.

...

2º Reconocimiento de formas. Google busca formas en las fotos, y si esa forma coincide con un patrón que ya tenga catalogado, muestra todas las fotos que cumplan con ese patrón.

3º Similitud de colores. Busca imágenes de los mismos colores y con similar distribución del color.

4º Texturas similares. Un cielo con nubes, fuego, campo y otras muchas texturas sirven a Google para establecer patrones.

5º Búsqueda por líneas. En imágenes en las que Google detecta gran cantidad de líneas, analiza sus formas, curvaturas, paralelas, cantidad, proporciones, etc. y establece patrones que posteriormente pueden ser aplicados a las búsquedas.

Por lo tanto. Si realizamos búsquedas con Google de imágenes, introduciendo un texto, como “Torre Eiffel”, Google primero mostrará las imágenes que aparezcan en páginas sobre la Torre Eiffel, imágenes que se llamen de esta forma o hayan sido etiquetadas así.

Y posteriormente mostrará imágenes que éste tenga catalogadas por otros medios como imágenes de la Torre Eiffel. (Rodriguez, 2012)

Reconocimiento de Patrones

Para poder realizarse la clasificación o reconocimiento automático de objetos es necesario definir una transformación que convierta a un objeto del universo de trabajo en un vector X cuyas N componentes se llaman características discriminantes o rasgos.

[pic 1]

El valor del vector de características para un objeto concreto se conoce como patrón.

En muchos problemas prácticos de V.A. existe la necesidad de tomar decisiones sobre el contenido de una imagen o sobre la clasificación de los objetos contenidos en ella.

- Clasificar (o reconocer) significa asociar a clases (o prototipos) una serie de elementos (u objetos). Esta asociación se realiza en base a las características o propiedades de los objetos.

- Etapa final del análisis de imágenes (a partir de características extraídas de las regiones resultantes de la segmentación de una imagen se pueden reconocer los objetos presentes en ella).

- La características de las regiones u objetos segmentados se representan usando vectores de características normalizados. Las características usadas para el reconocimiento deben ser cuidadosamente seleccionadas (p. ej. elección de características invariantes a transformaciones geométricas). No hay reglas exactas para descubrir el mejor conjunto de características.

Reconocer o clasificar no son tareas fáciles: las clases pueden no estar correctamente definidas, la información sobre los objetos a clasificar puede ser incompleta.

• Métodos de clasificación diferentes → clasificaciones diferentes.

• La interpretación de imágenes (o escenas) requiere el uso de modelos y técnicas de Inteligencia Artificial. (Sánchez, 2007)

Procedimientos metodológicos

La presente investigación es de corte cuantitativo, puesto que a través de esta se busca usar la recolección de datos para probar hipótesis, con base en la medición numérica y el análisis estadístico, para establecer patrones de comportamiento y probar teorías. La siguiente imagen presenta las 10 fases a seguir en el enfoque cuantitativo:

[pic 2]

Referencias bibliográficas

NeoStuff. (2015). El 70% de los móviles en el mundo son Smartphones. NeoStuff .

El mundo. (07 de julio de 2015). 1 billón de fotografías serán tomadas desde smartphones en 2015 Leer más en: http://www.elmundo.com.ve/noticias/tecnologia/movil/1-billon-de-fotografias-seran-tomadas-desde-smartp.aspx#ixzz3wFALoU8s. El mundo .

Pardo, A. E. (2009). RECONOCIMIENTO DE OBJETOS. Investigación, Facultat de Matemàtiques Universitat de Barcelona, Departament de Matemàtica Aplicada i Anàlisi. UB, Barcelona.

Rodriguez, C. (06 de mayo de 2012). Cómo funcionan las búsquedas de imágenes en Google. Recuperado el 01 de enero de 2016, de BlogLanders: http://bloglanders.com/2012/05/06/como-funcionan-las-busquedas-de-imagenes-de-google/

Sánchez, Á. (01 de octubre de 2007). Universidad Rey Juan Carlos. Recuperado el 01 de enero de 2016, de ESCUELA SUPERIOR DE CIENCIAS EXPERIMENTALES Y TECNOLOGÍA : http://www.escet.urjc.es/~visiona/