Redes neuronales paralelas aplicadas a la visión computacional
Fecha
2021-04-15Autor
Galdámez Bilardi, Mariela
Chirino, Pamela
Díaz, Karvin
Ponce de León, Alejo
Caymes Scutari, Paola
Bianchini, Germán
Metadatos
Mostrar el registro completo del ítemResumen
La capacidad de permitir que una
computadora reconozca en una imagen
los objetos, ambiente y posición en el
espacio fue el inicio de la visión
computacional, un área dentro de la
inteligencia artificial. Al utilizar el
modelo de redes neuronales en este
campo, se consiguen resultados en
diversas ramas de la ciencia. Por ejemplo,
diagnóstico de ciertas patologías en
imágenes provenientes de ecografías o
resonancia magnética; realizar vigilancia,
reconocimiento dactilar y ocular como
mecanismos de seguridad; entre otras
tantas aplicaciones. Pero estructurar una
red neuronal no es tarea sencilla, pues
para conseguir que funcione y aprenda
adecuadamente se requiere de un
conjunto de datos de entrada que deberá
analizar cierta cantidad de veces hasta
producir una salida coherente con los
datos ingresados. Esto implica la
necesidad de una velocidad de cómputo
enorme para que sea capaz de aprender en
un período de tiempo razonable. Además,
si el tamaño de la red es mucho mayor,los datos de entrada aumentan en cantidad
y se complejiza el aprendizaje de la
misma, lo que infiere en un aumento
considerable de tiempo. Los procesadores
actuales no brindan la velocidad
suficiente y es aquí donde la
programación paralela se presenta como
una solución alternativa.
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: