Reconeixement de patrons

De Viquipèdia

Dreceres ràpides: navegació, cerca

Reconeixement de patrons És un procés de categorització de qualsevol tipus de mostres mitjançant dades observades o mesurades.

També és anomenat lectura de patrons, identificació de figures i reconeixement de formes. És el reconeixement de patrons en senyals, no només un camp de la informàtica sinó un procés fonamental que es troba en gairebé totes les accions dels éssers vius.

Taula de continguts

[edita] Introducció

Les persones i els éssers vius contínuament estem relacionant les característiques dels objectes que ens envolten per tal de classificar-los segons el que són. Aquelles característiques que siguin comuns en diferents individus o objectes ens permetran relacionar-los entre sí i direm que "segueixen els mateixos patrons".

Amb els sistemes de reconeixement de patrons es pretén simular la nostra capacitat d'adquisició, processat i reconeixement de la informació per aplicar-lo a la tecnologia, sovint com una forma més d’intel·ligència artificial.

[edita] Tipus de reconeixement

Els sistemes de reconeixement de patrons són útils quan un anàlisis normal, un modelatge o una simulació són ineficients. Hi ha dos tipus bàsics de reconeixement:

Reconeixement d'elements concrets:

Són els elements que es visualitzen i s'interpreten més fàcilment. D'aquests podem diferenciar entre elements que varien en espai i elements que varien en temps.

Escenes, fotografies, símbols, caràcters, mapes, forma d'ona de la parla, imatges bi-dimensionals, objectes físics tri-dimensionals... Són exemples clàssics que varien espacialment i són fàcilment interpretables per sistemes de reconeixement.

Pel que fa a elements amb variància temporal podem tenir en compte totes les formes d'ona o imatges en moviment que són examinades a temps real. Un exemple clar són les variacions que es produeixen al nostre cos com temperatura, batec del cor, pressió sanguínia...

Reconeixement d'elements abstractes:

Per exemple, per l'estil d'escriptura podem diferenciar prosa de poema, per l'estil d'escriptura podem diferenciar si és Dickens o qualsevol altre, ja que l'estil d'escriptura és un patró. Quan escoltem un ritme podem diferenciar quin compositor estem escoltant o quin estil de música ja que el ritme és un altre tipus de patró. Aquesta mena de patrons són molt més complicats d'identificar mitjançant tecnologia que els anteriors, requereixen algorismes complexes.

Es pot dir que pel reconeixement de patrons no hi ha una teoria unificadora que pugui ser aplicada a tots els problemes. Es requereix una tècnica o solució específica per a cada cas.

[edita] Procés

El reconeixement de patrons es pot dividir en tres tasques fonamentals: Adquisició de dades, preprocessat i decisió de la classificació.

En la fase d'adquisició s'acostumen a obtenir dades en format analògic del món físic que ens envolta. És en aquest pas en el qual les variables físiques es converteixen en un senyal mesurable.

La quantitat de dades que s'obtenen en la fase d'adquisició resulta enorme i per això ens cal un procés d'extracció de característiques. Aquest procés ens permet reduir la gran quantitat d'informació obtinguda d'una manera important, essent així més manejable però amb la suficient informació per poder identificar el senyal original.

Per extracció de característiques ens referim a identificar els trets inherents de la informació que hem adquirit, aquells que ens permeten descriure-la i en són els atributs.

En cas de tractar-se d'imatges les característiques es poden extreure directament dels píxels, de trets derivats com textures, rotació, dimensions... i de les respostes espectrals.

Una vegada s'han processat les dades i adquirit les característiques es procedeix al pas de decisió, classificació o descripció de l'esquema. Les classificacions poden ser de tipus estadístic (aproximació teòrica de la decisió) o bé de tipus sintàctic (també anomenada d'aproximació estructural). La selecció de l'aproximació utilitzada depèn principalment de la naturalesa de les dades involucrades. Per problemes on la informació estructural és abundant és útil el mètode sintàctic, en canvi si les dades s'expressen millor en forma de vector i al mateix temps la informació estructural és poc rellevant el mètode estadístic serà més convenient.

Les classificacions vistes anteriorment es poden dur a terme mitjançant un aprenentatge supervisat o no supervisat, depenent de si ja es coneix la classificació de la informació a priori o no. En cas de que la coneguem la podem utilitzar per entrenar el sistema i per tant estarem utilitzant una estratègia d'aprenentatge supervisat. Si no coneixem la classificació i el sistema no la pot aprendre s'utilitzen càlculs estadístics per classificar els patrons, aleshores serà aprenentatge no supervisat.

[edita] Aplicacions

Les aplicacions dels sistemes de reconeixement de patrons són infinites, però aquests són alguns dels més coneguts i que s'utilitzen actualment:

- Previsió meteorològica: poder classificar totes les dades meteorològiques segons diferents patrons, amb el coneixement a priori que tenim de les diferents situacions que poden aparèixer ens permet crear mapes de predicció automàtics.

- Reconeixement de caràcters escrits a mà o a màquina: és una de les utilitats més populars dels sistemes de reconeixement de patrons ja que els símbols d'escriptura són sovint fàcilment identificables.

- Reconeixement de veu: l'anàlisi de la senyal de veu s'utilitza actualment en moltes aplicacions, un exemple clar en són els teleoperadors informàtics.

- Aplicacions en medicina: anàlisis de bioritmes, detecció d'irregularitats en imatges de rajos-x, detecció de cèl·lules infectades, taques a la pell...

- Reconeixement d'empremtes dactilars: utilitzat i conegut per la gran majoria, amb les empremtes dactilars tots som identificables i si a més tenim un programa que ens en detecti i classifiqui les coincidències, trobar les correspondències resulta senzill.

- Reconeixement de cares: utilitzat ja sigui per contar nombre d'assistents en una manifestació o simplement per detectar un somriure, hi ha diferents càmeres al mercat amb aquesta opció.

- Interpretació de fotos aèries i de satèl·lit: gran utilitat per a propostes militars o civils, ja sigui agricultura, geologia, geografia, planificació de ciutats...

[edita] Bibliografia i lectures interessants

  • Keinosuke Fukunaga, (1990) Statistical Pattern Recognition, Morgan Kaufmann, ISBN 0-12-269851-7.
  • Christopher M. Bishop, (2006) Pattern Recognition and Machine Learning, Springer, ISBN 0-387-31073-8.
  • Sergios Theodoridis, Konstantinos Koutroumbas, (2009) Pattern Recognition (4th edition), Elsevier, ISBN 978-1-59749-272-0.
  • Phiroz Bhagat, (2005) Pattern Recognition in Industry Elsevier, ISBN 0-08-044538-1.
  • Stephen Banks, (1990) Signal processing, image processing and pattern recognition, Prentice Hall, ISBN 0-13-812579-1.
  • Sing-Tze Bow, (2002) Pattern Recognition and Image Preprocessing (2nd edition), Marcel Dekker, ISBN 0-8247-0659-5.

[edita] Enllaços externs

Obtingut de «http://ca.wikipedia.org/wiki/Reconeixement_de_patrons»