Elementos en Sistemas de Reconocimiento de Patrones

También podemos definir Reconocimiento de Patrones como el acto de tomar datos sin ningún sentido y clasificarlos de acuerdo a una acción basada en las categorías de un patrón dado o previamente analizado. Siendo así las operaciones en un sistema de reconocimiento son las siguientes (ver: figura 3):

• Sensores
  Los sensores son algún tipo de transductor o mecanismo que traduce algún tipo de energía normalmente mecánica en diferencias de voltaje. Cada valor o diferencia es un dato y dependen o del tiempo o del espacio. Las dificultades en utilización o diseño de sistemas con sensores dependen de las características y las limitaciones del sensor, su ancho de banda, resolución, sensibilidad, distorsión, radio de señal y ruido, latencia, etc...

  Ejemplos de transductores típicos podrían ser una cámara, un micrófono, un alto parlante, termómetros, barómetros, sensores de flexibilidad, piezzos, sonares, infrarrojos, proximidad y muchos otros.

• Segmentación y Agrupamiento
  La operación de segmentación ocurre cuando el sistema determina o que un elemento, objeto o muestra finaliza y da comienzo a otro. Los patrones individuales deben ser segmentados y focalizados. Si se ha identificado un objeto como tarjeta, luego se puede proceder a analizar su color, forma y posteriormente su validez. Es necesario saber cuando pasamos de una tarjeta a otra.

  Muy relacionado a la segmentación está el problema de agrupamiento de las diferentes partes partes en un un objeto compuesto (i.e. carro, modelo, color, cilindraje, etc...). Para esto es necesario tener varios sistemas de extracción de características y luego definir varias de sus combinaciones.

  Figura 3: Elementos

  

• Extracción de Características
  

  La meta del extractor es caracterizar un objeto con medidas o cualidades cuyos ``valores'' tienden a ser similares. Para objetos en la misma categoría las diferencias son mínimas y por lo tanto las características son invariables y poco relevantes a cambios en datos leídos por el sensor. Sin embargo una categoría de tarjetas pude contener tarjetas de varios tamaños, varias formas o geometría y podría ser leída al revés. En este caso el extractor debería estar entrenado para casos similares para no obtener error.

• Clasificación
  

  El objetivo en la operación de clasificación es utilizar un ``vector'' con las características provistas por el extractor para asignar el objeto (patrón) de la entrada a una categoría. En muchos casos este paso de clasificar es lejanamente perfecto y por ende se convierte en un trabajo en el que se averigua la probabilidad matemática de cada una de las categorías. Esto quiere decir en nuestro ejemplo de la instalación de museo que de antemano podríamos saber el numero de tarjetas que se han distribuido con diferentes colores y características. En este caso la clasificación se simplificaría en predecir la siguiente tarjeta una vez que se han leído varias tarjetas o un grupo de tarjetas.

• Procesamiento a Posteriori
  

  Un clasificador raramente existe al vacío, sin embargo en muchos casos es utilizado para recomendar decisiones y acciones que dependen de un costo o riesgo particular. En el procesamiento a posteriori se utiliza la descarga o resultado del clasificador para recomendar una acción. En teoría esta etapa produce la tasa de aciertos o errores y califica al clasificador. Por lo tanto y en este sentido el objetivo del post procesador es buscar un mínimo de errores y fallas.