MODELO DISTRIBUIDO DE RECONOCIMIENTO DE CARACTERÍSTICAS MULTI-DIMENSIONAL Y DE CLASIFICACIÓN SEMÁNTICA MULTI-NIVEL PARA VISIÓN ARTIFICIAL

El reconocimiento de patrones, evaluacion semantica y clasificacion en el area de la vision artificial constituyen una serie de problemas complejos que estan siendo abordados desde un amplio rango de enfoques especificos. Muchos de dichos enfoques se basan en el analisis de la informacion desde una perspectiva dimensional especifica (ej. imagenes bidimensionales o video) considerando un conjunto muy limitado de indicadores, y en la aplicacion de tecnicas algoritmicas concretas, con mayor o menor exito. Este trabajo presenta un modelo orientado a combinar algoritmos existentes y futuros a fin de evaluar la informacion visual desde una perspectiva multi-dimensional, infiriendo propiedades y caracteristicas avanzadas por medio del analisis distribuido de multiples origenes de imagenes, permitiendo la identificacion de elementos del entorno de manera analoga a como lo hace la percepcion humana. Tras implementar una version simplificada del modelo propuesto y ejecutarla bajo un cluster MPI, se extraen y agregan diferentes caracteristicas de bajo nivel sobre las imagenes analizadas, y se presentan resultados satisfactorios preliminares.