Detección One-Shot de patrones bidimensionales en imágenes mediante correlación de mapas de características

Abstract

En el contexto de la detección de imágenes con Deep Learning actual, el paradigma de entrenamiento está cambiando. Esto se debe a que los logros recientes en detección, si bien impresionantes, han mantenido el requerimiento de grandes conjuntos de imágenes etiquetadas para lograr su cometido. Esto implica un gasto de tiempo y recursos humanos. Es por este motivo que se ha empezado a desarrollar el campo del Few-Shot Learning y, en particular, el One-Shot Learning. En ellos se busca encontrar mecanismos de aprendizaje utilizando muy pocos datos. A su vez, la detección de patrones bidimensionales en imágenes es un problema interesante debido a que corresponde a una situación intermedia entre el 2-D y el 3-D, debido a la naturaleza de dos dimensiones de este tipo de patrón, pero que pueden también encontrar distorsiones propias del mundo tridimensional, debido a la forma del plano en que se encuentran. El problema a abordar en el presente documento busca tomar inspiración en el campo del One-Shot Learning para investigar la eficacia de utilizar características a partir de modelos de deep learning en la detección de patrones bidimensionales. Para esto se implementó una metodología basada en la extracción de características de modelos pre-entrenados en datos no relacionados con los patrones a detectar, la búsqueda de queries en imágenes a través de la correlación entre características. Esta metodología se basó en lo estudiado por un grupo investigador paralelo y se añadieron cambios y mejoras. En primera instancia, se realizó una investigación en un problema simplificado de detección de patrones bidimensionales, que corresponde a símbolos e imágenes en documentos históricos, en un set llamado DocExplore. En este, se consiguieron resultados muy positivos, superando el estado del arte y acercándose a los resultados de un grupo del investigación con el que se trabaja en paralelo en esta investigación. En segunda instancia, se probó la eficacia de la estrategia utilizada en la tarea inicial sobre el dataset Flickrlogos 47. Esta tarea es más compleja que el problema anterior debido a que en lugar de páginas y documentos, los logos se encuentran en ambientes realistas. Con estas pruebas se llegó a conclusiones interesantes, sin embargo, la falta de estado del arte para esta tarea en específico no permite la comparación directa con otros resultados. Se concluye el documento con resultados prometedores para el crecimiento de la investigación en esta tarea de detección.