ODROM: Object detection & recognition supported by ontologies applied to museums

• Autor: Tejada Mesias, Alejandro Nicolas
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Católica San Pablo
• Repositorio: UCSP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucsp.edu.pe:20.500.12590/16996
• Enlace del recurso: https://hdl.handle.net/20.500.12590/16996
• Nivel de acceso: acceso abierto
• Materia: Reconocimiento de objetos; Deep Learning; Web Semántica; Indoor; Museos; https://purl.org/pe-repo/ocde/ford#2.02.02

Hoy en día, la detección de objetos es una tarea que permite identificar objetos específicos en imágenes o vídeos, obtenidos en tiempo real (e.g., a través de sensores, como el caso de robots o cámaras de vigilancia) o como un conjunto de datos de entrada (e.g., un repositorio de imágenes y vídeos). Además, su utilización es amplia y diversa, abarcando desde apps para dispositivos móviles (e.g., teléfonos celulares, tablets) hasta en el mundo de la robótica. En particular, en este ´último, las técnicas de detección de objetos facilitan la obtención de información de los objetos del entorno para la toma de decisiones de los robots (e.g., robots de servicios) o para almacenar dicha información que podrá usarse posteriormente (e.g., construcción de mapas de espacios indoor con localización de objetos). Actualmente, los sistemas robóticos móviles están cumpliendo un rol importante en diferentes campos de la ciencia y la tecnología. En este sentido, sus capacidades y su comportamiento se tornan cada vez más complejos y, particularmente, para los robots de servicios en ambientes indoor, como son los hospitales, restaurantes, museos, están convirtiendo sus capacidades de detección de objetos en algo esencial para proveer un mejor servicio. Sin embargo, las técnicas tradicionales de detección de objetos, con base en redes neuronales, en particular las que usan aprendizaje profundo (Deep Learning), han favorecido el desarrollo de aplicaciones de manera exponencial en los últimos años; pero, en entornos indoor presenta limitaciones en la detección de objetos pequeños o en lugares donde hay una alta densidad de presencia de diversos objetos. Aunado a estas limitaciones, para dominios específicos (e.g., un hospital, un museo), es importante que el robot, además de detectar los objetos, extraiga/conozca información de los objetos de interés para el dominio (e.g., camillas, historias médicas, dispositivos UCI en hospitales; obras de arte, espacios de exhibiciones temporales en un museo). Las ontologías, como parte de la Web Semántica, se presentan como una opción factible para representar formalmente la información relacionada a los objetos de un dominio particular. En este contexto, esta investigación propone presentar un marco de trabajo framework que combine un algoritmo de detección de objetos, las características intrínsecas de dichos objetos y la información semántica (ontologías, en este caso) para mejorar la identificación y obtener información disponible de los objetos de interés para la aplicación en particular.