Evaluación experimental de diversos algoritmos de superpíxeles para el reconocimiento visual de escenas

Abstract

[spa] El reconocimiento de escenas previamente visitadas es una tarea compleja y ampliamente abordada, con múltiples aplicaciones en labores diversas, muy especialmente en robótica. Aunque resulta algo cotidiano y sencillo en la mayoría de ocasiones para un ser humano, supone un reto computacional que requiere de la captura de un conjunto de datos del entorno, la extracción de las características más relevantes de esa información y su descripción, de manera que podamos comparar esa definición de la escena con la información previamente capturada y así poder detectar si hemos vuelto al mismo emplazamiento. Por si fuera poco, debemos considerar que puede haber modificaciones en la percepción del entorno, ya sea por cambios en la perspectiva del observador o en los propios elementos que componen la escena. Cuando estos datos del entorno se toman en forma de imágenes, hablamos de reconocimiento visual de escenas, tema sobre el que trata este proyecto. Tal y como se ha comentado, existen muchas aproximaciones a esta problemática en lo referente a como abordar la descripción de la imagen y la extracción de sus características. Algunas de ellas se basan en descriptores holísticos que aglutinan la información de la imagen en un solo vector, mientras que otras identifican los puntos más relevantes de la escena (bordes, esquinas, etc.), los definen y componen una descripción de la escena basada en esos puntos. Esta última estrategia tiene una alta precisión, a costa de una mayor exigencia computacional. Este trabajo afronta la problemática mediante una solución intermedia, conocida como superpíxeles, que dividen la escena en regiones mediante algoritmos de segmentación, tratando de mejorar así el rendimiento de los enfoques tradicionales. Para ello, se evalúan diferentes algoritmos de superpíxeles públicos según unas métricas específicas con vistas a seleccionar aquellos que se ajusten mejor a la aplicación que nos ocupa. Posteriormente, con las técnicas escogidas, se consideran diversas herramientas de descripción basadas en características locales, así como recursos más avanzados como puedan ser descriptores producidos por redes neuronales convolucionales. Por último, los elementos escogidos conforman una serie de estrategias que procederán a evaluarse frente a secuencias de imágenes que comprenden cierres de bucle, para determinar la capacidad de reconocimiento de escenas previamente visitadas. De cada uno de los procesos se exponen un conjunto de conclusiones basadas en los resultados obtenidos, así como del recorrido experimental completo que recoge este trabajo.