VISUAL MACHINE

Visión Artificial con Python

Academia Evolutech 2023

 • Inteligencia Artificial

• Visual Machine
CONTENIDO

• Teoría de la Imagen

• Herramientas
 ¿ POR QUÉ DEBERÍA APRENDER
VISUAL MACHINE ?
• Mejorar mis capacidades cognitivas
• Obtener una ventaja competitiva en competencias
• La automatización de proyectos tradicionales mediante la V.M
• Mejorar el curriculum vitae
 LA ROBÓTICA
• Es el arte de manipular y programar elementos electrónicos para realizar una acción en especifico.
Automatización = Independientes = Inteligencia
 INTELIGENCIA ARTIFICIAL

Con Programación Secuencial Con Inteligencia Artificial

Tarea
Visualizar Tarea

Tarea
 PERRO
PERRO

PERRO PERRO

PERRO PERRO
PERRO
PERRO 95%
PERRO …..
APRENDIZAJE 80%
…..
AUTOMÁTICO 75%
Una maquina puede aprender a
resolver problemas por si sola GATO
clasificando muchos ejemplos GATO GATO

mediante tres tipos de aprendizaje: GATO

1. Aprendizaje Supervisado. GATO GATO 95%

…..
2. Aprendizaje no supervisado.
80%
GATO
GATO

3. Aprendizaje por refuerzo. …..

75%

Prueba
Entrenamiento
 PERRO
PERRO

PERRO PERRO

PERRO 0
PERRO
PERRO 95%
PERRO …..
APRENDIZAJE 80%
…..
AUTOMÁTICO 75%
Una maquina puede aprender a
resolver problemas por si sola GATO
clasificando muchos ejemplos GATO GATO

mediante tres tipos de aprendizaje: GATO

1. Aprendizaje Supervisado. GATO 1 95%

…..
2. Aprendizaje no supervisado.
80%
GATO
GATO

3. Aprendizaje por refuerzo. …..

75%

Prueba
Entrenamiento
APRENDIZAJE
AUTOMÁTICO
Una maquina puede aprender a
resolver problemas por si sola
clasificando muchos ejemplos
mediante tres tipos de aprendizaje:
1. Aprendizaje Supervisado.
2. Aprendizaje no supervisado.
3. Aprendizaje por refuerzo.
 PERRO
PERRO

PERRO PERRO

PERRO PERRO
PERRO
PERRO 95%
PERRO …..
APRENDIZAJE 80%
…..
SUPERVISADO 75%

GATO
GATO GATO

GATO

GATO GATO 95%

Visión por computador …..
(Artificial Visión) GATO
GATO 80%
…..
75%
 VISIÓN ARTIFICIAL
VISUAL MACHINE
ARTIFICIAL VISIÓN
¿Como es posible que una maquina pueda percibir una imagen al igual
que los seres humanos?
 VISUAL MACHINE

Humano Maquina
 TEORÍA DE LA
IMAGEN
¿Como una maquina interpreta una imagen digital?
DE IMAGEN A DATOS

Pixeles = con valor

numérico RGB
• R = 0 – 255
• G = 0 – 255
• B = 0 - 255
 ℎ𝑜 =
ℎ − 𝑘 + 2𝑝
𝑠
+1=
4 − 3 + 2(0)
+1= 2 KERNEL
1
220 215 160
140 220 215 160 140
*1 *0 * -1
𝑤 − 𝑘 + 2𝑝 4 − 3 + 2(0)
𝑤𝑜 = +1= +1= 2 10 *
1
70 *
0
90 *
-1
60 10 70 90 60
𝑠 1 = 109 = 45
240 135 111
175 240 135 111 175
*1 *0 * -1

220 215 160 140

20 30 70 30 20 30 70 30
1 0 -1
10 70 90 60 109 45
h * 1 0 -1 = ℎ𝑜 220 215 160 140
240 135 111 175 1 30 220 215 160 140
1 0 -1
10 70 90 60
20 30 70 30
Kernel 3x3 𝑤𝑜 =1
10 70 90 60

240 135 111 175 = 30

w 240 135 111 175

20 30 70 30
20 30 70 30

1 0 -1

1 0 -1 *
1 0 -1

Kernel 3x3 0 = Negro

Bordes Verticales
11111111 = 8 Bits = 256 tonalidades 255 = Blanco
 KERNEL

Padding = 1

1 1 1
1 0 -1

1 0 -1 * * 0 0 0

-1 -1 -1
1 0 -1
Kernel 3x3
Kernel 3x3
Bordes Horizontales
Bordes Verticales
Stride = 2 y Padding = 1
 HERRAMIENTAS
¿Qué herramientas y librerías debería instalar?
 DESCARGAR
ANACONDA NAVIGATOR
Entrar a la pagina de Instalar
Anaconda Anaconda
• https://www.anaconda.com/downl
oad
 CONFIGURAR
ANACONDA NAVIGATOR
Crear un entorno en Instalar Spyder de versión
Anaconda 5.0.0
 CONFIGURAR
ANACONDA NAVIGATOR
Instalar las librerías necesarias
para el taller Configurar Spyder 5.0.0
 EJEMPLO INTRODUCTORIO

Imutils COLOR_RGB2GRAY
 EJEMPLO INTRODUCTORIO

COLOR_RGB2HSV Bordes Horizontales

*
 EJEMPLO INTRODUCTORIO
Convertir a una imagen Binaria (Blanco y Negro)

Definimos un valor de Umbral (100)

150 130 90 30 ?0 ?0 ?1 ?
1 ?
0 ?
0 ?
255 ?
255

?
255 ?0 ?
0 0?
10 200 140 180 ?
1 ?0 ?
0 ?
0
< 100 = * 255 =
250 100 40 20 ?
0 ?0 ?1 ?
1 ?0 ?0 ?
255 ?
255

60 78 150 12 ?
1 ?1 ?
0 ?
1 ?
255 ?
255 ?0 ?
255

Gris 0 = Negro
255 = Blanco
 EJEMPLO INTRODUCTORIO
Contador de registros Plot

Cuenta cuantas veces aparece el mismo valor del pixel en la imagen

150 130 90 30 150 130 90 30 10 200 140 180 250 100 40 20 60 78 150 12

10 200 140 180 Flatten

250 100 40 20
Histograma
60 78 150 12
Existen: 150 = 2
130 = 1
Gris ……….
FIN DE LA PARTE 1