Tarea 2- Reconocimiento de Patrones

Martín Gallegos Bravo

Pontificia Universidad Católica de Chile

Motivación – El problema de clasificación visual, hoy en día, II. EXPERIMENTOS REALIZADOS

es un área de investigación ampliamente desarrollada
debido al nacimiento de diversas técnicas de procesamiento
de imágenes durante los últimos 20 años. La evolución de
técnicas va desde extracción de características
manualmente, hasta deep learning, el cuál es el estado del
harte en cuanto a técnicas de clasificación. En esta tarea
haremos uso de estas técnicas para poder clasificar rostros
de hombres y mujeres, con y sin mascarillas.
Para esta tarea se realizaron 2 principales experimentos. El
primer experimento tuvo como hipótesis que ocupando 2
clasificadores se obtiene un mejor resultado que ocupando un
puro clasificador, debido a que se tienen mas imágenes para
entrenar el clasificador y se tiende a confundir menos, situación
que se puede ver el resultado en la figura 3.

I. SOLUCIÓN PROPUESTA

La solución propuesta para este problema consta de la creación

de 2 clasificadores que trabajan de forma paralela, para
posteriormente unir sus resultados y poder determinar la clase
correspondiente a la imagen de entrada. Las características
extraídas para cada imagen fueron a través de las técnicas de
LBP, Harlick, HoG y Gabor. Específicamente el clasificador de
género no hace uso de las características de Gabor, mientras que
el de uso de mascarillas sí. Fig. 3 Matriz de confusión clasificador único y clasificador doble.

El segundo experimento consistió determinar qué tipo de

características extraer y cuales ocupar para cada clasificador,
debido a que el uso de todas las características no siempre era
el óptimo. Además, se experimentó con como realizar la
reducción de dimensionalidad, obteniendo resultados diversos.

Tras realizar dichos experimentos se llegó a 2 clasificadores,

Fig. 1 Extracción características de las imágenes por código
donde se obtuvo un Accuracy de 0.883333 y de 0.977777 para
Luego de obtener 2300 características aprox. se realiza un clasificar género y uso de mascarilla respectivamente.
proceso de filtrado y normalización de los datos, donde
eliminamos aquellos redundantes o constantes a través de las
muestras. Por último, se realiza una reducción de
dimensionalidad para obtener las 40 características necesarias
para la clasificación.

La reducción de dimensionalidad se realizó con la función

JFisher que calcula un score para cada característica elegida, y
retornamos las 40 que producen un score máximo o con la
técnica PCA la cuál mediante valores y vectores propios de la
matriz de características las reduce a la dimensionalidad
requerida (La elección de la técnica depende de su desempeño
en la clasificación, Ver figura 2). Fig. 4 Matriz de confusión algoritmo de clasificación de mascarillas

III. CONCLUSIONES
Las técnicas en clasificación de rostros evolucionan cada día, y
no es extraño encontrarse con técnicas cada vez más eficientes.
Esta tarea sirvió para darnos cuenta de que, aunque existen
técnicas muy sofisticadas para este tipo de problemas, no es
necesario matar una mosca con un cañón, y que las técnicas
menos recientes obtienen resultados muy buenos para
problemas simples como este.
Fig. 2 Matriz de confusión ocupando PCA y SFS respectivamente para
clasificador de géneros.