Módulo de clasificación de imágenes para el FRAMEWORK JCLAL

Abstract

Actualmente el mundo se encuentra en una era de un gran cúmulo de datos, donde muchos problemas de tomas de decisión son resueltos mejor por máquinas que por humanos, en términos de exactitud y escalabilidad. Muchos de estos datos están conformados por imágenes. En el mundo actual es necesario poder seleccionar estas imágenes y clasificarlas, detectar qué objetos la conforman, detectar estado de ánimo de una o varias personas e identificar rostros. Para realizar estas tareas se utilizan técnicas de Inteligencia Artificial. El Aprendizaje Automático es una de las ramas de la Inteligencia Artificial que tiene como objetivo crear técnicas que le permitan a las computadoras aprender, generalizando patrones a partir de conocimiento adquirido anteriormente. Dentro del Aprendizaje Automático se encuentra el Aprendizaje Activo, donde se mejora la precisión y el rendimiento de los modelos de predicción. JCLAL es un framework de Aprendizaje Automático que posee muchos algoritmos de Aprendizaje Activo y visualización gráfica de los resultados, pero actualmente no posee clasificación de imágenes. Existen muchas herramientas para el procesamiento de imágenes, pero hasta ahora ninguna tiene la característica de utilizar Aprendizaje Activo para realizar dicha tarea. En la presente investigación se propone un módulo de clasificación de imágenes para JCLAL. Se analizan los elementos teóricos que sustentan la clasificación de imágenes y el framework JCLAL. Se aplican patrones de diseño y se diseña la estructura del módulo. Por último, son realizadas pruebas de Wilcoxon para medir la calidad del módulo propuesto.

Currently the world is in an era of a large data cluster, where many decision-making problems are better solved by machines than by humans, in terms of accuracy and scalability. Many of these data are made up of images. In today's world it is necessary to be able to select these images and classify them, detect which objects make them, detect mood of one or more people and identify faces. Artificial Intelligence techniques are used to perform these tasks. Automatic Learning is one of the branches of Artificial Intelligence that aims to create techniques that allow computers to learn, generalizing patterns from previously acquired knowledge. Active Learning is found within Machine Learning, where the accuracy and performance of prediction models is improved. JCLAL is an automatic learning framework that has many Active Learning algorithms and graphical visualization of the results, but currently does not have image classification. There are many tools for image processing, but so far none has the feature of using Active Learning to perform this task. In the present investigation an image classification module for JCLAL is proposed. The theoretical elements that support the classification of images and the JCLAL framework are analyzed. Design patterns are applied and the structure of the module is designed. Finally, Wilcoxon tests are carried out to measure the quality of the proposed module.