RECONOCIMIENTO FACIAL EN UN ROBOT 2

Ya estamos de vuelta para contaros nuestra experiencia en el聽Big Data Spain 2018. El equipo de datahack聽estuvo presente siendo uno los patrocinadores del evento y dando informaci贸n desde nuestro stand de los distintos servicios que ofrecemos tanto de formaci贸n en el聽master de Big Data聽e聽Inteligencia Artificial聽y los servicios de聽DH Seed聽como del proyecto de investigaci贸n聽DIA4RA, que mezcla rob贸tica con Deep Learning, que desarrollamos en el 谩rea de Labs.聽Al final, lo interesante de estos eventos es la posibilidad de hablar con gente del sector y compartir las experiencias y problemas que nos encontramos en nuestro d铆a a d铆a de trabajo.

EL PANORAMA DEL SECTOR DE LA INTELIGENCIA ARTIFICIAL Y EL BIG DATA

El entorno de la Inteligencia Artificial y del Big Data es un sector muy influido por las tendencias marcadas por las grandes compa帽铆as tecnol贸gicas. Por eso es muy necesario no olvidar cu谩l es el prop贸sito que se quiere alcanzar con este tipo de tecnolog铆as, tratar de conocer las bases que dan lugar a comportamientos 鈥渋nteligentes鈥 con el fin de modelar el entorno que nos rodea y poder predecir eventos futuros o emplear dicha inteligencia para mejorar la calidad de vida de las personas. Se trata de un objetivo muy ambicioso y es muy f谩cil perderlo de vista cuando se mezclan otros tipos de intereses como es la obtenci贸n de beneficios a corto plazo.

DIA4RA, PROYECTO PIONERO EN ROB脫TICA ASISTENCIAL E INTELIGENCIA ARTIFICIAL

En datahack聽estamos desarrollando el proyecto de investigaci贸n聽DIA4RA, cuyo prop贸sito es dotar a un聽robot聽Pepper de las habilidades necesarias para poder asistir a pacientes con Alzheimer y ayudar al personal sanitario empleando la plataforma del robot y sus procesos cognitivos para recopilar informaci贸n valiosa sobre la evoluci贸n de esta enfermedad en los pacientes.聽Teniendo todo esto en mente, quisimos ofrecer una charla (Teaching a Robot Guess Who? From Deep Learning To Brain Spikes) para mostrar, por un lado, c贸mo hab铆amos implementado la funcionalidad de聽reconocimiento facial del robot聽y, por otro, para ense帽ar caminos alternativos para acercarnos al objetivo de conseguir desarrollar modelos que imiten de forma m谩s fiel la inteligencia humana.

Implementar un modelo de reconocimiento facial en la charla Teaching a Robot Guess Who? From Deep Learning To Brain Spikes

Sobre la implementaci贸n del modelo de reconocimiento facial, la idea era comenzar dando un repaso te贸rico a los ladrillos con los que hemos construido esta funcionalidad. Me estoy refiriendo a las Redes Neuronales Convolucionales. La intenci贸n era mostrar c贸mo su implementaci贸n matem谩tica, empleando un aprendizaje supervisado mediante Backpropagation, hace que no se obtenga un modelo robusto frente a grandes variaciones de los datos datos de entrada. Durante el proceso de entrenamiento, la Red Neuronal aprende los valores de los kernels de las capas convolucionales, de forma que esos kernels sean capaces de distinguir de forma jer谩rquica las features visuales de las clases presentes en el conjunto de datos de entrenamiento. En este tipo de redes, despu茅s de una capa convolucional se suele emplear tambi茅n la capa de Pooling. A muy grandes rasgos, esa capa se encargar谩 de reducir la dimensionalidad de los Feature Maps de salida de dicha capa convolucional preservando su informaci贸n m谩s importante. Es decir, permite reducir la cantidad de par谩metros de la red (lo cual es una ayuda en redes con muchas capas) realizando un resumen de la informaci贸n de salida. El problema es que, al realizar estos res煤menes, se est谩 perdiendo informaci贸n espacial (d贸nde se encuentran unas features con respecto a otras). Y esa informaci贸n espacial es muy valiosa cuando se est谩 trabajando el objetivo de obtener un modelo que se comporte de forma robusta cuando tenga que reconocer su entorno en tiempo real.

Deja un comentario

Datahack logo