#IA
e innovaciones tecnológicas
en el campo
de la #ComunicaciónAudioVisual
y la #CoberturaMóvil.
ECESELI UDUALC
...
Chat:
Gracias,
Saludos desde un lugar
en el centro del ombligo de la luna
llamado México Tenochtitlán,
Atentamente Estudiante:
22-011-0501 #UACM #Cuautepec.
...
#ElFuturoEsCo-Inteligencia.
...
SiSon$300USD,
ImaginoLaVersiónBásica,
MásGastosDeImportación.
LentesConInteligenciaArtificialGoogle.
...
GuardaSubrrayadosDeTusLecturas
...
AlfabetizarmeEnElUsoDeLaInteligenciaArtificial...
#LaCuestiónEsConexiónEnNube.
#ComunidadesAbiertasEnElCiberEspacio.
#BuscarAprenderLasNuevasFormasHonestasDeVivir.
...
LentesDeVisiónArtificial
LentesDeRealidadAumentada
YTeProyectaEnTuCuerpo,
LaImagen
ComoTatuajeTemporal
EnLosBrazosYManos.
#Lentes #MetaRayBan
...
#EnseñanzaDe #VisiónArtificial.
...
NotasDelEditor #PonchoPochenko:
La #VisiónArtificial #VA
es un campo de la #IA #InteligenciaArtificial
que permite a las computadoras
y
los sistemas,
obtengan información significativa de:
imágenes digitales,
videos
y otras entradas visuales,
y tomen acciones
o
hagan recomendaciones basadas
en esa información.
Si la #IA permite
a las computadoras que piensen,
la visión artificial les permite:
ver,
observar
y
comprender...
funciona de manera
muy similar a la visión humana,
excepto,
una ventaja.
La vista humana tiene la ventaja
de las experiencias
y
los contextos aprendidos
para diferenciar
entre los objetos,
qué tan lejos están,
sí se están moviendo,
o
si hay algo mal en una imagen.
... #EntrenaALasMáquinas
... en mucho menos tiempo con :
cámaras,
datos
y
algoritmos
en lugar de retinas,
nervios ópticos
y
una corteza visual y cerebral.
#Imagina
... un sistema capacitado
para inspeccionar productos
o
la manufactura de estos,
analiza miles;
o
procesos por minuto,
notando defectos
o
problemas imperceptibles.
#Consideraciones:
La #VisiónArtificial #VA
necesita de muchos datos.
Ejecuta análisis
de datos una y otra vez
hasta identificar diferencias y,
finalmente,
reconocer imágenes.
Por ejemplo,
para entrenar a una computadora
que reconozca
#Neumáticos #SinDefectos de #Automóviles:
- alimentar con grandes cantidades
de imágenes de neumáticos
y elementos relacionados
con los neumáticos
para aprender las diferencias
y
reconocer un neumático,
especialmente uno sin defectos.
Se utilizan dos tecnologías esenciales:
- un tipo de machine learning llamado
deep learning
y una #RedNeuronalConvolucional #RNC,
#RéseauNeuronalConvolutif #RNC,
#ConvolutionalNeuralNetwork #CNN.
#MachineLearning #ML,
utiliza modelos algorítmicos:
- permiten a una computadora,
se enseñe a sí misma
sobre el contexto de los datos visuales.
Si y sólo sí,
se cuenta con suficientes datos
a través del modelo,
la computadora "observará" los datos
y se enseñará a diferenciar :
una imagen de otra.
Los #Algoritmos,
permiten a la máquina,
aprenda por sí misma,
en lugar de que alguien
la programe
para reconocer una imagen.
#ElNegocioEstaEnAprenderAHacer:
Los #Algoritmos.
Una #CNN ayuda
al modelo de #MachineLearning
o
#DeepLearning
a "ver"
al dividir las imágenes
en píxeles
a los que se les asignan etiquetas
o
rótulos.
- Utiliza las etiquetas
para realizar convoluciones,
una operación matemática
en dos funciones,
qué producirse una tercera función,
y hace predicciones
sobre lo que está "viendo".
La #RedNeuronal
ejecuta convoluciones
y verifica la precisión de sus predicciones
en una serie de iteraciones
hasta que las predicciones
comienzan a hacerse realidad.
Luego reconocerá
o
verá imágenes
de una manera similar a los humanos.
#Al #ArtificialInteligence,
igual que un humano,
distingue una imagen a distancia,
una #CNN :
primero discierne los bordes sólidos
y las formas simples,
luego completa la información
mientras ejecuta
iteraciones de sus predicciones.
#Uso de una #CNN :
comprender imágenes individuales.
Para ello se recurre a:
Una red neuronal recurrente (RNN),
usa #SimilarMente #SM
aplicaciones de video
ayuda a las computadoras a comprender
cómo las imágenes
en una serie de cuadros,
se relacionan entre sí.
#Aplicaciones de la #VisiónArtificial:
En las empresas,
el entretenimiento,
el transporte,
la atención médica
y
la vida cotidiana.
#FactorClave #Crecimiento
aplicaciones sobre la
#AvalanchaDeInformaciónVisual.
fluye
desde teléfonos inteligentes,
sistemas de seguridad,
cámaras de tráfico
y otros dispositivos visualmente instrumentados.
Desempeñan un papel importante
en las operaciones de todas las industrias,
hoy en día no se utilizan.
La #Información
#Crea
un #BancoDePruebas
para entrenar aplicaciones de #VisiónArtificial
y una #Plataforma de lanzamiento,
conviertibles en parte
de una variedad de actividades humanas:
#IBM utilizó la #VisiónArtificial
para crear #MyMoments
para el torneo de #GolfMasters 2018.
#IBMWatson,
observó cientos de horas
de imágenes de Masters
y pudo identificar las imágenes
(y los sonidos) de las tomas importantes.
Seleccionó estos momentos clave
se los dio los fanáticos
como una colección personalizada
de imágenes.
#GoogleTranslate
permite a los usuarios
apuntar la cámara de un smartphone
a un texto en otro idioma
y obtener casi de inmediato
una traducción al idioma elegido.
Ejemplos de #VisiónArtificial:
Clasificación de imágenes,
Detección de objetos,
Seguimiento,
Recuperación de imágenes
basada en contenido.
#Recursos:
Laboratorios de #VisiónArtificial,
Crear modelos de Deep Learning
y redes neuronales.
Potencia computacional necesaria
para procesar grandes conjuntos
de datos visuales.
Objetivo:
Desarrollo de software,
Modelos de aprendizaje
prediseñados disponibles desde la nube
#BajoDemanda - #OnDemand.
#Conexión a través de
una #InterfazDeProgramaciónDeAplicaciones, #API;
Comprender y definir tareas específicas,
enfocar, validar proyectos y aplicaciones
facilitando el inicio.
Ejemplos:
Clasificación de imágenes:
en una empresa de redes sociales,
identifica y segrega automáticamente
las imágenes objetables cargadas
por los usuarios.
Detección de objetos:
Identifica una determinada clase de imagen
y luego detectar
y tabular su apariencia
en una imagen o video.
Incluyen la detección de daños
en una línea de montaje
o
la identificación de maquinaria
que requiera mantenimiento.
Seguimiento de objetos:
Se sigue o rastrea, una vez que se detecta.
Se ejecuta con imágenes capturadas
en secuencia o con videos en tiempo real.
Recuperación de imágenes
basada en contenido:
navega, busca y recupera imágenes
de grandes almacenes de datos,
basándose en el contenido,
en lugar de en las etiquetas de metadatos,
incorpora la anotación automática
que reemplaza su etiquetado manual.
#Uso en los sistemas de gestión
de activos digitales,
aumenta la precisión de la búsqueda
y recuperación.
EsteReporteEjecutivoTieneComoReferencia:
https://www.ibm.com/mx-es/topics/computer-vision#
#InteresantesArtículosCitadosEnLaFuentePrístina:
A Brief History of Computer Vision
and Convolutional Neural Networks:
...
The 5 Computer Vision Techniques
That Will Change How You See The World
#CiberDemosCratos
#TheDigitalNewsPaperForXYZPeople
#HábitatUniversalizability
#
