All posts by GRPIAA

Diseño y desarrollo de un algoritmo de reorganización de rutas de transporte público.

rutasComo es sabido, el tráfico en Lima genera muchos inconvenientes a la ciudad. Por citar sólo algunos, está el estrés causado a choferes y peatones, las horas hombres pedidas en los viajes a horas punta, la contaminación ambiental y sonora por el uso indiscriminado del claxon, etc. Un componente importante para solucionar este problema es abordar el reordenamiento del transporte público.

 

El presente proyecto busca generar un sistema óptimo de rutas que atienda la demanda de transporte de la población de la ciudad de Lima. Este sistema consiste en tener un conjunto de líneas de transporte público que permita cubrir la necesidad de movilización de la población de cada par origen-destino de la ciudad reduciendo la congestión vehicular. Para resolver este problema se intentará minimizar el tiempo promedio de viaje por persona tomando en cuenta algunas restricciones como la capacidad de las vías (cantidad de carriles de calles y avenidas) y la distribución de paraderos asignados por línea. Para ello se creará un algoritmo metaheurístico (proveniente de las técnicas de inteligencia artificial para resolver problemas complejos) que nos permita reorganizar las rutas de transporte público, generando nuevas o modificando actuales. Además, se diseñará la estructura de información que permita, con los beneficios del Big Data, analizar y tomar decisiones sobre el tránsito en Lima.

 

 

Proyecto finaciado por:

 

logo_innovate2

 

Tesis realizadas en el marco del proyecto:

 

Autor: Barrantes Ríos, Walter Alonso

 Titulo: Implementación de un algoritmo recocido simulado para el diseño de rutas de transporte público para Lima centro,

 

Autor: Jorge Antúnez de Mayolo Ortega

Titulo: Implementación de un algoritmo tabu search para el diseño de rutas de transporte público para Lima centro

 

Aplicación de visión computacional en la generación de un catálogo para la conservación de la biodiversidad de plantas endémicas

FINCYT183IB13Para la conservación de nuestra biodiversidad y ayudar en el desarrollo de la agricultura es esencial conseguir un conocimiento preciso de la identidad, distribución geográfica y usos de las plantas. Desafortunadamente, esta información básica no se encuentra disponible o sólo se tiene acceso a parte de ella, lo que demuestra que la información es incompleta para ecosistemas, como nuestro país, cuya mayor riqueza es su biodiversidad, especialmente de plantas, que son muy utilizadas para la generación de medicamentos.

El simple problema de identificar las especies de plantas es generalmente una tarea muy difícil, aún para los profesionales especializados en botánica. El presente proyecto propone desarrollar una plataforma de recuperación de imágenes por contenido basado en la aplicación de técnicas de visión computacional que permitan caracterizar a las plantas endémicas de la Amazonía peruana y de esta manera apoyar en la conservación de la biodiversidad. Para ello será necesario desarrollar una investigación transdisciplinar que integre el conocimiento de la Ciencia de la Computación con Botánica, lo que permitirá crear una gran base de datos (tecnología Big Data), conocimiento en visión computacional, morfología de plantas, anatomía de plantas, biogeografía, entre otros. Finalmente, la plataforma propuesta será diseñada para soportar procesos de supercomputación, y además estará disponible en la nube (cloud computing) para acceso público.

 

Análisis automático mediante procesamiento de imágenes digitales para determinar el grado de severidad de la “Roya Amarilla” en hojas de cafeto.

CONCYTECCafeLa Roya del Cafeto es una enfermedad que atacó fuertemente estos dos últimos años a zonas de producción de café. Para determinar la severidad del ataque, el evaluador debe establecer el grado de afección de la plaga en las hojas, mediante la observación directa. Siendo este personal entrenado, para que pueda calcular el grado de severidad, el análisis que realiza se basa es determinar las regiones infectadas, que presentan un color amarillento y las regiones necrosadas. Esta evaluación sigue una metodología de muestreo para la roya visible.

El problema se presenta al momento de determinar estos grados, en vista que se debe confiar en el  criterio subjetivo de quien realiza la evaluación, y éste a su vez haber tenido un entrenamiento. Por otro lado, el deterioro de los plantíos de cafeto podrían ser causados por otros tipos de plagas, que no necesariamente siempre es la roya amarilla, y se requiere diferenciar el tipo de daño que sufre la planta.

El presente proyecto desarrollará un sistema automático para la determinación cuantificable del grado de severidad de infección de la Roya Amarilla en hojas de cafeto, ello se realizará mediante el análisis algorítmico y técnicas de visión computacional en imágenes de hojas de cafeto. La propuesta podrá ser implementada en dispositivos PDA, o dispositivos móviles, para levantar la información en tiempo real, y permitir que el agricultor tome la decisión de aplicar fungicida en forma inmediata.

Partners

Plataforma computacional de análisis automático de imágenes micrográficas para la evaluación de la fertilidad masculina.

FINCYT208IA13El presente proyecto desarrollará una plataforma  computacional para el procesamiento automático de micrografías digitales de muestras vivas de semen, con el fin de determinar la capacidad de fertilidad masculina, para ello se desarrollarán algoritmos computacionales que permitan de forma automática la detección de las células espermáticas con lo que se busca diferenciar a estas, de posibles artefactos presentes en la muestra, determinando las características morfológicas y de motilidad de los espermatozoides para, de acuerdo a los estándares definidos por la OMS, se diagnostique la capacidad de fertilización del paciente en análisis.

Los sistemas CASA existentes en el mercado son de tipo semi-automático, además de su alto costo, poseen tecnología computacional cerrada que no permite modificación alguna del código en el cual fueron desarrollados, por ello, con el presente proyecto, se busca desarrollar la tecnología propia que permita adecuar la plataforma de análisis de semen a las diferentes condiciones que pueda presentar una muestra. Al finalizar el proyecto, este know how podrá ser extendido para el análisis de otros tipos de muestras de semen, que pueden provenir de animales, lo cual es útil para la conservación y mejoramiento genético de animales de producción con registros numéricos, como es el caso de vacunos y alpacas. Además también se formará personal especializado en la aplicación de algoritmos de visión computacional a diferentes problemas del país.

 

Proyecto finaciado por:

 

logo_innovate2

 

Tesis realizadas en el marco del proyecto:

 

Autor: Gárate Polar, Diego Alonso

 Titulo: Modelo heurístico para la determinación de la motilidad en células espermáticas mediante el análisis automático de tracking en video,

 

Autora: Hernández Bretón, Heidy

 Titulo: Modelo computacional para la identificación de células espermáticas mediante el análisis automático de micrografías digitales,

 

 

Visual Words Dictionaries and Fusion Techniques for Searching People through Textual and Visual Attributes

Expositor: PhD(c). Junior Fabian Arteaga

ISELab – Centre de Visió per Computador
Universitat Autònoma de Barcelona
 
Fecha: 31 de Julio del 2014
Lugar: Lab. 206, Pabellon V (2do piso)  (Pucp-Informática)
Hora: 10:00 a 11:00 hrs.
 
Abstract :
Using personal traits for searching people is paramount in several application areas and has attracted an ever-growing attention from the scientific community over the past years. Some practical applications in the realm of digital forensics and surveillance include locating a suspect or finding missing people in a public space. In this paper, we aim at assigning describable visual attributes (e.g., white chubby male   wearingglasses   and with bangs  ) as labels to images to describe their appearance and performing visual searches without relying on image annotations during testing. For that, we create mid-level image representations for face images based on visual dictionaries linking visual properties in the images to describable attributes. In addition, we take advantage of machine learning techniques for combining different attributes and performing a query. First, we propose three methods for building the visual dictionaries. Method #1 uses a sparse-sampling scheme to obtain low-level features with a clustering algorithm to build the visual dictionaries. Method #2 uses dense-sampling to obtain low-level features and random selection to build the visual dictionaries while Method #3 uses dense-sampling to obtain low-level features followed by a clustering algorithm to build the visual dictionaries. Thereafter, we train 2-class classifiers for the describable visual attributes of interest which assign to each image a decision score used to obtain its ranking. For more complex queries (2+ attributes), we use three state-of-the-art approaches for combining the rankings: (1) product of probabilities, (2) rank aggregation and (3) rank position. To date, we have considered fifteen attribute classifiers and, consequently, their direct counterparts theoretically allowing 215=32,768different combined queries (the actual number is smaller since some attributes are contradictory or mutually exclusive). Notwithstanding, the method is easily extensible to include new attributes. Experimental results show that Method #3 greatly improves retrieval precision for some attributes in comparison with other methods in the literature. Finally, for combined attributes, product of probabilities, rank aggregation and rank position yield complementary results for rank fusion and the final decision making suggesting interesting possible combinations for further work.
 
Shortbio:
Junior Fabian received his B.S. degree in Computer Science from National University of Trujillo, Trujillo, Peru, in 2011. Then, he received his M.S. degree from University of Campinas, Sao Paulo, Brazil in 2013. He is currently a Ph.D. candidate in the Computer Vision Center at the Universitat Autònoma de Barcelona, Barcelona, Spain. His research interests are in the areas of computer vision, pattern recognition, and machine intelligence with emphasis on image retrieval, object detection and recognition.