Escalabilidad computacional de algunas aplicaciones: reconocimiento de caras
Le铆a el otro d铆a una noticia sobre la importancia extrema de un nuevo resultado de investigaci贸n en forma de aplicaci贸n: el reconocimiento de caras. Hasta el momento, todas las investigaciones trataban de medir proporciones en las caras para entrenar un clasificador y poder reconocer una cara humana en una base de datos conocida. M茅tricas y m茅tricas, clasificadores y clasificadores, a帽os de investigaci贸n que podr铆an quedar casi en el olvido una vez se imponga el enfoque adoptado por el Dr. Yi Ma de la Universidad de Illinois at Urbana-Champaign (UIUC).
El equipo investigador aplica modernas t茅cnicas de representaci贸n dispersa (sparse representation) y teor铆as de muestreado comprimido (compressed sensing) para trabajar con la imagen completa de la cara y no solo a partir de la extracci贸n de ciertas caracter铆sticas biom茅tricas. La capacidad de su sistema de reconocimiento de caras es totalmente sorprendente para la comunidad cient铆fica y es que, bajo un enfoque totalmente diferente al que se ven铆a utilizando, la precisi贸n del reconocedor es muy superior a los de anteriores trabajos, incluso ocultando caracter铆sticas esenciales como nariz u ojos, y capaz de superar al cerebro humano (seg煤n palabras del propio Dr. Ma).
El inter茅s de este trabajo no se ha hecho esperar y el equipo investigador ya tiene varias empresas interesadas en licenciar su investigaci贸n. Aplicaciones del reconocedor de caras no se van a hacer esperar y desde el etiquetado autom谩tico de caras en im谩genes, hasta identificaci贸n facial autom谩tica con prop贸sitos de videovigilancia y seguridad, pueden estar a las puertas de la realidad cotidiana. El sistema puede trabajar en tiempo real para un conjunto de unos 1000 individuos pero el equipo investigador ya est谩 colaborando con otros equipos de la UIUC para acelerar sus soluciones a trav茅s de un enfoque paralelo as铆 como mediante implementaciones sobre hardware gr谩fico. La intenci贸n de esta aceleraci贸n es que el sistema pueda escalar varios 贸rdenes de magnitud, y llegar a procesar en tiempo real hasta millones de sujetos.
El procesamiento de im谩genes en cualquiera de sus modalidades (imagen m茅dica, imagen sat茅lite, imagen de diversos espectros, etc.) se puede beneficiar del paralelismo que ofrecen las nuevas arquitecturas de consumo. Las im谩genes poseen multitud de datos (p铆xeles) cuyo procesamiento suele ser independiente, o dependiente en peque帽as vecindades locales, de modo que diversos procesadores o n煤cleos de procesamiento se pueden encargar de trabajar con particiones del espacio de datos de forma simult谩nea, acelerando as铆 el proceso global. El reconocedor de caras del Dr. Yi Ma trabaja con la imagen completa, por lo que es m谩s clara su posible adaptaci贸n a un entorno paralelo y por tanto una buena escalabilidad.
Enlaces de inter茅s:
Art铆culo de divulgativo: http://www.wired.com/science/discoveries/news/2008/03/new_face_recognition
Web del proyecto: http://perception.csl.illinois.edu/recognition/Home.html
Art铆culo cient铆fico (PAMI): http://perception.csl.illinois.edu/recognition/Files/PAMI_Occlusion
Si te gust贸 esta entrada an铆mate a escribir un comentario o suscribirte al feed y obtener los art铆culos futuros en tu lector de feeds.
Comentarios
A煤n no hay comentarios.
Escribe un comentario