Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Introduccion
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Introduccion
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Big Data
Variedad
Volumen
Velocidad
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
mrjob
Pydoop
Volumen
Big Data
Variedad
Velocidad
NoSQL
NumbaPro
HappyBase
PyCUDA
HDF5
Cython
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
NumPy
NumPy es el coraz
on de de los paquetes de Python para realizar
computaci
on cientfica. Agrega la capacidad para modelar matrices como
arreglos N-dimensionales y realizar operaciones de algebra lineal sobre
ellos.
3
1
5
6
3
1
Aw = b
5 w1
12
2 w2 = 2
4
w3
10
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
SciPy y Scikit-Learn
SciPy Es un paquete de computaci
on cientfica que utiliza NumPy para
resolver problemas numericos en ingeniera y ciencias, tales como
optimizaci
on, integraci
on, calculo de valores propios, etc.
y = w t x + N (0, 2 )
n
X
E (w ) =
(yi w t xi )2
i=1
(X T X )w
= Xy
T
w
= (X X )
Xy
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
SciPy y Scikit-Learn
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Scikits
1 http://scikits.appspot.com/
Dr. Sergio Hern
andez. shernandez@ucm.cl
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Scikits
1 http://scikits.appspot.com/
Dr. Sergio Hern
andez. shernandez@ucm.cl
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Scikits
1 http://scikits.appspot.com/
Dr. Sergio Hern
andez. shernandez@ucm.cl
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
SciKit Image
Una de las ventajas de usar SciPy y los SciKits es que podemos
combinar las habilidades de cada paquete por separado de modo de
realizar aplicaciones mas complejas que las que incorpora el toolkit
original.
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
SciKit Image
Una de las ventajas de usar SciPy y los SciKits es que podemos
combinar las habilidades de cada paquete por separado de modo de
realizar aplicaciones mas complejas que las que incorpora el toolkit
original.
Un ejemplo es el SciKit-Image, el cual extiende SciPy incorporando
tecnicas de visi
on computacional y procesamiento de imagenes.
0
50
100
150
200
250
300
0
0
50
100
150
200
250
300
0
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Input image
Input image
Dalal, N. and Triggs, B., Histograms of Oriented Gradients for Human Detection IEEE Computer Society Conference on
Computer Vision and Dr.
Pattern
Recognition,
San Diego, CA, USA. Introducci
Sergio
Hern
andez.2005,
shernandez@ucm.cl
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Regresion logstica
Utilizando el descriptor HOG es posible entrenar un modelo estadstico
que pueda discriminar escenas que contienen personas de otras que no
contienen personas.
p = (w t x)
1
1 + exp(w t x)
y Bernoulli(p)
(w t x) =
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Regresion logstica
0
10
20
30
40
50
60
0
10
20
30
40
50
60
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Regresion de Poisson
Aparte de detectar la presencia o no presencia de una persona, ahora se
requiere contar (estimar el n
umero) de personas en una escena. Para esto
hacemos uso de la distribuci
on de Poisson3 .
= exp(w t x)
y Poisson()
Chan, A. B., and N. Vasconcelos.Counting people with low-level features and Bayesian regression IEEE transactions on image
processing: a publication of the IEEE Signal Processing Society 21.4 (2012): 2160.
Dr. Sergio Hern
andez. shernandez@ucm.cl
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
4 FONDEF IDeA CA12i10236 Estimacion de la Madurez Fenolica del la Uva basada en Imagenes de la Semilla
Dr. Sergio Hern
andez. shernandez@ucm.cl
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
0
2
4
6
8
0
10
15
20
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Cuantizacion de imagenes
Imagen Original
0.014
0.012
0.010
0.010
0.008
0.008
0.006
0.006
0.004
0.004
0.002
0.002
0.0000
0.014
0.012
50
100
150
200
250
Histograma, 64 bins
0.014
300 0.0000
20
40
60
80
100
120
140
25
30
35
Histograma, 32 bins
0.012
0.012
0.010
0.010
0.008
0.008
0.006
0.006
0.004
0.004
0.002
0.002
0.0000
10
20
30
40
50
60
70 0.0000
10
15
20
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Introducci
on al aprendizaje estadstico con Python
Introducci
on
Modelos estadsticos
Aplicaciones de aprendizaje estadstico en visi
on computacional
Conclusiones
Introducci
on al aprendizaje estadstico con Python