@Title: Beyond Text-based Multimedia Retrieval
@File: mavir12.xml
@Participants: DET, Marcin, (man, B, 3, computer specialist, lecturer, Venezuela)
@Date: 27/11/2009
@Place: Madrid
@Situation: Conference (III Jornadas MAVIR), conference room, not hidden, researcher as observer
@Topic: Multimedia Information Retrieval
@Source: MAVIR
@Class: formal in natural context, conference, monologue
@Length: 1h 07' 40"
@Words: 11168
@Acoustic_quality: A
@Transcriber: Sara Garrote
@Revisor: Marta Garrote
@Comments:
DET entonces / &eh bueno / entonces la charla la voy a dar &eh [/] en español con subtítulos en inglés 00:05
DET y &mm / bueno la idea de esta charla es / hablarle yo &pe / o sea / uno siempre cuando tiene que proponer una charla uno no sabe a quién le va a estar hablando / entonces yo pensé / y espero que mi hipótesis sea la correcta / que es / para hablar a la gente que sabe algo de búsqueda de información basada en texto 00:23
DET y / la idea es / no mostrarlo en lo que se &hac [/] bueno sí / lo que se hace [/] lo que se está haciendo ahora / un poco más allá del texto / como que para que los que hacen que trabajan con texto / darle algunas ideas de ir más allá / ¿no? 00:36
DET para poder ir hacia [/] hacia el tema del multimedia 00:38
DET este / este trabajo / bueno / o sea / es bajo mi nombre pero en realidad hay mucha gente que ha trabajado para mí / en general son los estudiantes que hacen el trabajo entonces / bueno / nos los voy a citar porque si no no entra / ¿no? / en la [/] en la primera página 00:53
DET pero / bueno / entonces / lo que quería decir / es / que bueno / los que han estado en la clase que he presentado aquí donde [/] durante los últimos dos días / que / a pesar del hecho de que multimedia tiene la palabra multi / eso no quiere decir / que vamos a ver muchas medias / puede pasar / pero en general se trata una de las medias que no es texto y eso se [/] de [/] así hablamos del multimedia 01:18
DET como la charla no es muy muy larga / lo que voy a hacer es / que les voy a presentar / todo sobre / &eh / imagen entonces deberíamos cambiar el título para / Beyond text-besed/ image retrieval / aunque muchas de estas ideas se pueden pasar al sonido / como lo pude mostrar / los últimos días a [/] a los alumnos de la [/] de la UNED y de la Carlos Tercero 01:36
DET y creo que también de la politécnica 01:39
DET ¿ok? 01:40
DET entonces bueno / ¿ por qué Text-based &eh [/] qué es esto de Text-based multimedia retrieval ? 01:46
DET bueno / lo típico / es / un motor / por ejemplo Google Images Search / donde uno pone una palabra / y de manera mágica / aparecen / imágenes que son excelentes 01:57
DET por ejemplo / uno pone una query / por ejemplo mi nombre / y aparecen cuadros / de mi papá / o aparecen &im [/] el [/] la portada de un libro que hizo mi mamá 02:07
DET y entonces / ¿ cómo hace / el sistema / para ser tan inteligente / para conseguir este tipo de imágenes / no ? 02:13
DET entonces / esa es una de las primeras preguntas que [/] que las vamos a ver enseguida // pero esto es el hecho de que funcione tan bien / ha hecho que simplemente toda la gente que hace &servi [/] &eh [/] productos comerciales / usa el texto 02:26
DET el texto es de verdad un método genial para conseguir información multimedia 02:31
DET ¿ en qué se basa este &te [/] este método ? 02:33
DET bueno / es muy simple o sea / va a buscar / dentro de la página / va a buscar por ejemplo / si hay un link / y a ver si pasa algo / por ejemplo / sale algo sobre mi nombre / consigue la página / y basado en esto / va a decir / ah / bueno / aquí hay algo interesante / y [/] &eh [/] y va a agarrar por ejemplo el nombre / de [/] de la imagen / que va a ser / por ejemplo / xxx / y a &pas [/] a partir de eso va a decir / ok / genial 02:58
DET eso debe ser / de xxx / ese debe ser de xxx {%com: pointing at the screen} 03:02
DET ahora / si ahora he puesto / un nombre de otra persona / hubiese puesto por ejemplo Nurenberger punto xxx / entonces hubiese aparecido / Nurenberger 03:09
DET ¿ok? 03:11
DET bueno / &bas [/] eso es básicamente / y me imagino que ustedes todos lo tienen claro / es el truco / de / conseguir la información / basado en texto 03:19
DET entonces / ah / bueno esto era para dar el ejemplo / de [/] de buscar la palabra 03:25
DET entonces / ¿ qué es lo que vamos a ver en esta presentación ? 03:29
DET bueno / lo primero que vamos a ver es / que puede pasar / aunque ustedes no lo crean / que puede pasar es / que / no hay información textos 03:39
DET o que tenemos una imagen / y simplemente no está muy bien anotada 03:42
DET eso fue todo lo que les presentó esta mañana Paul 03:45
DET y / bueno entonces la idea sería / bueno cómo hacer / para crear ese texto / porque si el texto funciona también / bueno genial 03:51
DET vamos a hacerlo 03:53
DET por esa misma razón / toda la [/] la Unión Europea / financia muy bien este tipo de proyectos porque le parece / ¡ah! / como el texto funciona bien / vamos a hacer algo / que nos permita automáticamente / a partir de una imagen / hacer un texto 04:06
DET esa es la idea que hay en el CLEF 04:08
DET el CLEF / la idea es decir / ah bueno / como hay sistemas de traducción / de texto a texto / no podríamos hacer / un sistema de traducción por ejemplo / de imagen a texto 04:17
DET que no era la idea inicial / pero es la idea que se está haciendo ahora mucho / en CLEF 04:22
DET entonces / &eh [/] a ese tema [/] cuando veamos ese tema / de repente va a ser con la = ¡guau! 04:29
DET ¿ qué pasó ? {%com: problem with the image on the screen} 04:30
DET yo no veo 04:31
DET ahí ven el [/] ¿ ven el / mouse o no ? 04:38
DET ok / entonces lo que vamos a ver / es / una técnica un poco particular / que crea / algo que se llaman diccionarios / visuales 04:48
DET y / vamos a ver que esto es bastante parecido al texto y se [/] y yo pienso que las técnicas de texto más avanzadas / pueden ayudar aquí / a obtener algo más interesante 04:58
DET les voy a demostrar eso 04:59
DET pero / como / estos métodos no son / perfectos / vamos a ver otro axis / que sería un axis intermedio / de / cómo combinar / textos y imágenes / ¿no? 05:09
DET entonces aquí la idea va a ser por ejemplo / cómo mejorar un Text-based retrieval clásico como el que acabamos de ver / el de Google Search / y cómo hacer para mejorarlo / usando / conceptos visuales 05:19
DET ¿ok? 05:21
DET y / la tercera parte / es / algo completamente / diferente que les puede parecer raro / es / vamos a ver si podemos conseguir texto / pero esta vez utilizando imágenes 05:33
DET parece raro / parece difícil / bueno los que se queden hasta el final / lo verán 05:38
DET ok 05:40
DET entonces / por qué es / por qué puede ser / este / interesante de tratar / de no solamente focalizarse en el texto pero si no / focalizar un poco en el media / es que de repente puede ser que no hay / no hay texto simplemente alrededor 05:56
DET ahora lo que puede también pasar / es / que / el media que está alrededor / no describe la imagen 06:02
DET por ejemplo / podemos tener / una foto de un personaje vestido de / azul o de verde o de lo que sea / y la descripción / o un producto comercial / y la descripción / no tiene la información / escrita / de manera escrita en el texto / de qué es el &co [/] los colores que aparecen en esa imagen 06:19
DET entonces / en ese caso / no vamos a poder conseguir / esa imagen basado en el texto porque simplemente / en el texto esa información no aparece 06:27
DET ¿ok? 06:29
DET entonces bueno la idea es / ok / muy bien / vamos a agarrar / y vamos a hacer / un / traductor automático / que nos va a transformar / el media / en el texto 06:37
DET es un poco también lo que se hace [/] que se está empezando a hacer ahora / con el audio 06:41
DET en el audio lo que se hace es / bueno vamos a tratar de hacer un sistema / un motor / por ejemplo el proyecto europeo Cuero / bueno vamos a buscar información dentro del video / bueno la idea es decir bueno / ¿ que de dónde podemos sacar texto ? 06:53
DET ¡ah! / trascripción automática 06:55
DET entonces conseguimos el texto / y así vamos a poder conseguir información / dentro / del audio / dentro del [/] del media / basándose en el texto 07:04
DET ¿ok? 07:05
DET bueno / entonces si necesitan un traductor / hay &don [/] hay [/] hay básicamente / dos maneras 07:10
DET una es decir / ok / hacemos eso de manera manual / lo que pasa es que uno cuesta mucho 07:14
DET segundo / es muy muy lento 07:17
DET y con la cantidad de información / que tenemos / y que aparece cada día va a ser bastante difícil 07:22
DET y además / si pasamos a grandes escalas / vamos a tener un problema de / lo que hablaban / esta mañana la [/] la gente que trabaja en documentación / que es bastante difícil para poder / tener &u [/] un vocabulario / unificado / y / &eh / que sea / igual para todas las personas que anotan 07:39
DET ese se puede complicar muy rápidamente 07:41
DET pero / claro / la calidad de la anotación puede ser bastante / de alta calidad 07:45
DET entonces / la idea es / inventar un sistema / donde uno puede mostrar una imagen / y esa imagen les va a decir a ustedes / ¡ah! / ok 07:52
DET lo que yo veo ahí / es / no sé / cielo por ejemplo o / veo un poco de [/] de hierbas / o veo un bosque o veo un lago 08:00
DET que hay simple [/] eso son lo que / más o menos clasificadores bastante simples 08:04
DET entonces / ¿ cómo [/] cómo se puede hacer / un clasificador de ese tipo ? 08:09
DET hay / básicamente dos ideas 08:11
DET una es / inventar / como una receta de cocina / que dice / por ejemplo / si hacemos tal cosa tal cosa entonces detectamos / que hay / por ejemplo / una cara 08:22
DET una técnica muy especializada / para un &contep [/] un concepto / muy especializado 08:26
DET este / para presentarles eso debería presentarle a ustedes concepto por concepto del diccionario y explicarles la técnica específica / ¿no? 08:34
DET entonces lo que nosotros proponemos / o que / más bien / la comunidad científica / propone es / utilizar algo como / machine learning / aprendizaje / artificial / y la idea es / de aprender a partir de ejemplos 08:47
DET o sea / le vamos a mostrar a la máquina / ejemplos / la &ma [/] la [/] la [/] la computadora o el algoritmo va a tratar de generalizar / algo / conseguir / alguna repetición dentro de la información / algo en lo que se va a repetir / y nos va a extraer esa información / y cuando mostramos algo nuevo / va a decir ok 09:05
DET vamos a aprender 09:06
DET ¿ cómo ? 09:07
DET para darles un ejemplo / vamos a tener ejemplos / positivos y negativos / que pueden ser que sea o carros de un lado y cualquier cosa del otro / o vacas de un lado y [/] y cualquier cosa 09:16
DET se lo mostramos al sistema de clasificación / y él va a aprender / no sé / cualquier cosa / alguna regularidad / algo que se repita mucho en esta imagen / o algo que se repita en este grupo de imágenes / y después / en una segunda etapa / lo que vamos a hacer / si presentamos una vaca / a ver / bueno / qué es / es / ¿ un carro / o una vaca ? 09:36
DET entonces nos va a dar / una probabilidad / o un grado / para saber / si es un carro o una vaca 09:41
DET esa es básicamente la idea de la xxx automática 09:44
DET ¿ok? 09:45
DET entonces / este / qué es importante en xxx sistemas / es que tenemos que tener / un / conjunto de imágenes / que fueron / anotadas manualmente / y son la base de nuestro aprendizaje 10:01
DET esto puede parecer primero simple pero / como nos vamos a basar en imágenes / como vamos a tratar de generalizar / es bastante dependiente a lo que uno aprende 10:11
DET si uno &mu [/] &ap [/] muestra / cierto tipo de imágenes la computadora va a &tro [/] conseguir una generalización / bastante grande = &eh / basada en lo que presentamos 10:19
DET por ejemplo / si yo presento estos / y le digo a la computadora qué / bueno / ¿ cómo hace uno para aprender ? 10:25
DET de repente lo muestro acá 10:26
DET si uno = ¿ cómo hace uno para aprender / que esto son vacas ? 10:30
DET yo / si fuese la computadora / digo mira / fíjense en la esquina derecha / abajo / siempre es verde 10:37
DET ¿ok? 10:38
DET entonces si yo veo / una imagen donde / abajo / a la derecha / es verde / es que tengo una vaca 10:44
DET entonces el hecho / de / elegir / la información / es bastante [/] es bastante importante y es bastante complicado 10:51
DET y si se hace muy muy general / entonces no aprendemos nada tampoco 10:56
DET ¿ok? 10:56
DET entonces todo esto es un tema de investigación que no [/] no voy a hablar mucho / en [/] en esta charla / ¿no? 11:01
DET pero se [/] lo quería [/] lo quería tener &eh presente 11:04
DET ok 11:05
DET aquí / el número de / clasificadores que vamos a tener / es del tamaño del diccionario 11:10
DET o sea que para cada / &co [/]vocablo que uno quiere nuevo / vamos a tener / que aprender un clasificador nuevo / por ejemplo / si es un SVM / vamos a poner un SVM / si es no sé qué / vamos a tener / uno nuevo / y puede ser hasta un grupo de clasificadores / por / cada concepto que vamos a querer aprender 11:26
DET este / para ustedes que trabajan / si trabajan con cosas lingüísticas y tal / en el caso de multimedia / en el caso de estudios de este tipo / no hay relación entre las palabras 11:37
DET si no hay / en general hay muy pocos trabajos en los cuales / efectivamente se aprende / y se aprende / por ejemplo / las relaciones / al mismo tiempo / entre los diferentes conceptos 11:46
DET entonces bueno / simplemente es plano / un diccionario plano / de conceptos bastante simples / y gente que estudia / cómo vamos a hacer para elegir los conceptos que queremos 11:56
DET y que podemos aprender 11:58
DET entonces / ¿ cuál es el problema más grande que tenemos ? 12:01
DET porque puede parecer / claro si vemos lo que [/] lo que teníamos hace un segundo / este problema les parece bastante simple / a ustedes 12:10
DET lo que pasa / es que la computadora yo no le puedo presentar / la imagen tal cual / sino que tengo que transformar / esta imagen / en un vector / que va a representar / esta imagen / dentro de la computadora 12:21
DET y al representar esto / lo que yo tengo / a mano / es / la señal / que es píxel por píxel / y tengo el color / básicamente de cada uno de los puntos / porque eso es &as [/] así / que nosotros podemos representar / la imagen / en la computadora 12:35
DET y / el / &en [/] de un lado tenemos esta representación que es un vector / imagínense ustedes un vector / y del otro lado tengo una imagen 12:42
DET la imagen nosotros la podemos representar / muy bien / y podemos / analizarla como seres humanos y de [/] por el otro lado el vector no lo podemos entender / y la computadora / parece que tampoco 12:52
DET y la diferencia entre estos dos extremos / es lo que llamo el semantic gap / que / ya oímos esta noción esta mañana / ¿no? 12:59
DET entonces / ¿ qué es lo que podemos extraer de las imágenes ? 13:04
DET bueno / de los píxel podemos sacar / píxel por píxel / podemos sacarle el color 13:08
DET después / viendo / cómo se comporta un píxel con otro / por ejemplo / si se repiten / podemos ver si hay textura / si hay algo que se repite / de manera horizontal tipo una cebra / entonces tenemos una textura / ¿no? 13:19
DET y podemos / descubrir otro tipo de cosas como formas y tal 13:23
DET esto lo tenemos que meter en un espacio numérico para poder hacer comparaciones 13:28
DET y / este / y / el problema que vamos a tener es / que / como [/] para poder asociar estas dos cosas 13:35
DET y eso es lo que vamos a hacer / con el aprendizaje automático 13:38
DET tratar de conseguir regularidad en el vector / para analizar 13:42
DET ¿ok? 13:42
DET entonces / les voy a mostrar / para[/] para mostrarles / qué pasa / si uno se fija solamente en el vector 13:50
DET por ejemplo esto es una descripción / esta imagen / esta imagen y todas estas imágenes / tienen la misma descripción de color // de proporción de colores 13:58
DET tenemos la misma cantidad / de amarillo / la misma cantidad / de negro / la misma cantidad de rojo / pero semánticamente no tienen nada que ver 14:06
DET esto es exactamente el problema del semantic gap / que de un lado tenemos / la / descripción / numérica / que nos da la proporción de color / y del otro lado tenemos / una &eh [/] cosas que son completamente interpretadas de otra manera / además / en un &conte [/] en cada vez / en un contexto diferente 14:22
DET ¿ok? 14:23
DET ok 14:25
DET entonces / una de las ideas / de [/] para poder hacer un clasificador [/] un clasificador de este tipo / un poco más inteligente / es tratar / de destructurar / o de / sacar / de este &du [/] de este documento / o de este [/] de este [/] del documento / perdón / de este documento / es / de tratar de descomponerlo / y tratar de sacar palabras 14:51
DET ¿ por qué ? 14:52
DET porque en esta imagen tenemos muchas cosas 14:53
DET tenemos la vaca / tenemos un poco de / &eh / hierba / o grama / en español 14:59
DET en Venezuela no se dice &españ [/] &eh grama 15:01
DET y / tenemos un poco de cielo 15:03
DET entonces / la idea / es tratar de crear un diccionario / automáticamente / que nos va a permitir / a descubrir / las palabras que están dentro de la imagen 15:12
DET ¿ok? 15:13
DET entonces / por ejemplo / si tenemos esta imagen / lo que podemos hacer es / segmentarla de alguna manera automática / y cortar esta flores / y después dejar el fondo y decir que eso es / no sé / un arbusto 15:27
DET eso se puede hacer automáticamente / pero / se ha descubierto que / el [/] la [/] el [/] la segmentación inteligente / no mejora mucho los resultados a comparación a una segmentación / bastante simple / que sería / una segmentación de este tipo 15:42
DET ¿ok? 15:44
DET entonces lo que se hace es / podemos segmentar esto en pequeños cuadraditos / y tratar de aprender después / qué es [/] qué es / cada cuadradito / ¿no? 15:52
DET en el caso / del &si [/] del primer problema que teníamos del semantic gap / ¿ qué hacíamos ? 15:56
DET cerrábamos la imagen / la transformábamos en un vector / que puede ser un histograma por ejemplo de color y de textura / y claro / la información se nos perdía un poco dentro de este vector 16:07
DET ahora / lo que vamos a hacer / es / segmentar la imagen / sacar / varios / cuadraditos y cada cuadradito lo vamos a poder / clasificar / y decir / ok / esto es una flor / esto es / hierba / esto es tal cosa / y hacer un descriptor / visual 16:25
DET ok 16:26
DET el problema del semantic gap no fue resuelto completamente 16:29
DET yo no les voy a decir que claro / si yo veo esto / igual voy a tener [/] si yo veo [/] si yo tengo / un vector / &eh si yo tengo esta descripción / igual voy a tener un vector 16:40
DET o sea que igual el semantic gap está / pero como que / comprimiéndose / haciendo una &es [/] un clustering 16:47
DET bueno / es un clustering un poco / simple / pero se [/] es / tratando de focalizar el algoritmo en pequeños espacios / esto nos permite / de [/] como que / descomponer el problema del gap 16:59
DET ¿no? 17:00
DET del xxx 17:00
DET en [/] en vez de tratar de saltar / el gap completo / atravesarlo completo / lo que hacemos es tratarlo de pasarlo por &esp [/] por pasos 17:07
DET ¿ok? 17:08
DET aquí pueden aparecer bastantes problemas 17:10
DET por ejemplo / la anotación que teníamos hace un segundo / era una anotación / a nivel global / de la imagen 17:17
DET claro decíamos bueno / ahí hay una flor 17:18
DET ahora aquí / no te [/] no se sabe / dónde [/] dónde está la flor / dónde está la [/] la [/] dónde está la parte de atrás / entonces hay que hacer una anotación un poco más precisa 17:28
DET o tratar de aprender / a pesar del hecho que uno no sabe 17:32
DET ahora lo que yo les voy a mostrar es / simplemente / cuando uno sabe / el caso / donde uno sabe / que esto es una flor y que no es una flor 17:40
DET y el truco para pasar de [/] del caso / del [/] de lo que le voy a presentar a ustedes al caso donde no se sabe / es / tratando de hacer lo mismo que se hace en [/] siempre / con el aprendizaje artificial / tratar de ver cuando algo se repite muy a menudo o una [/] algo que se repite / bueno / se hace esa hipótesis / que si algo me aparece muchas veces / verde / verde / verde / verde / verde / entonces digamos / y &s [/] y otros colores / vamos a decir que lo que es más frecuente / es / justamente / por ejemplo / árbol o hierba 18:08
DET ¿ok? 18:09
DET y vamos a botar el &b [/] el ruido de las palabras que fueron mal asociadas 18:12
DET ¿ok? 18:13
DET pero eso no lo vamos a ver / sino vamos a ver simplemente / asumiendo que yo sé / que esto es [/] que / yo sé qué [/] qué cuadradito es qué 18:21
DET entonces / &eh / ¿ cómo va a funcionar esto ? 18:25
DET a ver {%com: preparing the demonstration} 18:27
DET ¿ cómo va a funcionar ? 18:33
DET vamos a tener / una bolsa / donde vamos a tener / flores / de diferentes colores / ¿ok? 18:40
DET entonces / aquí lo que [/] lo que pasa es como vamos a tener unos ejemplos / ya sabemos que cada cuadradito es una flor 18:46
DET ¿ pero qué pasa ? 18:47
DET las flores pueden ser de muchos colores 18:48
DET pueden ser amarillas / pueden ser rojas / pueden ser de cualquier color 18:52
DET y / lo que tenemos que hacer / es / tratar de hacer un poco lo que hace la gente cuando trabaja con el texto / tratar de &co [/] de &co [/] conseguir grupos / de algo como / grupo de sinónimos / del mismo sentido 19:04
DET como aquí estamos trabajando más bien en algo visual / lo que vamos a tratar de hacer es hacer un clustering / lo que presentaba / Andreas hace un segundo / pero no aplicado / a la información / a los documentos / a los ficheros de manera / general / pero si no / aquí / aplicado / a / la descripción de los pequeños patches / de los pequeños / parches / traducción de patches / de parches / de las imágenes / ¿no? 19:29
DET y así vamos a poder separar / en pequeños grupos y &erregi [/] y elegir un representante / de cada de estos grupos / para poder después / hacer un razonamiento basado en casos / por ejemplo 19:39
DET ¿ok? 19:40
DET entonces / ¿ cuál es la idea del clustering ? 19:44
DET es / reducir / el tamaño / del vocabulario 19:47
DET que es un poco lo que les decía / elegir un poco / un grupo de sinónimos / es decir / todas las flores rojas 19:54
DET bueno / ese es un concepto / ese es / como que / un sentido 19:57
DET pues todas las rojas amarillas / eso / es otro sentido 20:00
DET ¿ok? 20:01
DET y / además / lo que nos va a permitir / es que si nos aparecen cosas raras o / que están mal anotadas / por ejemplo algo verde o algo / se va a perder / porque lo que vamos a conseguir son los grandes grupos y vamos a elegir un representante / de un grupo que sea bastante grande 20:15
DET ¿ok? 20:16
DET bueno / a ver {%com: manipulating the computer} 20:22
DET ok 20:24
DET entonces / estos son / unos experimentos / que hicimos / &eh [/] que hice con Andreas y un estudiante que / está haciendo un doctorado donde Andreas // y / &eh / básicamente la técnica para &eh construir el diccionario / es la utilización de un xxx clustering / bastante simple 20:43
DET y / para clasificar / es un xxx classifier / que es un clasificador muy muy simple 20:47
DET la idea es de conseguir un ejemplo / ¿no? 20:50
DET si yo tengo / un cuadradito que es rojo / bueno / vamos a ver / déjame ver si tengo un cuadradito rojo / y veo de qué clase es 20:56
DET si es una flor digo ok / genial / es una flor 20:59
DET ese es / el [/] un / neighbour classifier 21:03
DET y claro / como uno se puede equivocar porque puede tener ruido / entonces uno hace un xxx / o sea busca cuatro vecinos / cuatro cosas que se parecen / y veo / ¡ah! / si tres me dicen que esto es flor / debe ser que es flor 21:13
DET ok / es el / la técnica / bastante simple 21:16
DET utilizamos una base de imágenes {%alt: imagedes} / bastante pequeña hay que decir para [/] para el tipo de [/] de experimentos / o sea para este tipo de experimentos está bien pero para / retrieval en general / esto es / aprendizaje de anotaciones / de seiscientas imágenes y había {%alt: habían} veintiún conceptos 21:31
DET estas imágenes fueron segmentadas / &eh / no sé por quién / la verdad que no sé quién las segmentó pero / nos permite / automáticamente / de saber qué clase es / qué clase es / cada cuadradito 21:42
DET podemos saber si es la vaca / o es la grama / o es el carro 21:45
DET ¿ok? 21:46
DET teníamos sesenta por ciento 21:48
DET entonces / para poder / evaluar / nuestro trabajo / ¿ qué hacemos ? 21:52
DET aprendemos con una parte la base / y hacemos tests / con una parte completamente separada / de la base / para poder ver / si lo generalizamos 21:59
DET ¿ por qué ? 22:00
DET porque si usamos / la misma parte de aprendizaje para el test / lo que va a hacer la [/] la computadora es aprender de memoria porque las &pre [/] las computadoras tienen un poco tendencia / a aprenderse todo de memoria porque es lo más fácil 22:10
DET se aprende que si el píxel este / aquí / y el píxel este de aquí / valía tanto y tanto / entonces / es un carro 22:17
DET y eso no es lo que queremos 22:19
DET nosotros queremos / es / aprender una generalización 22:21
DET hay que separar el aprendizaje y el test / para poder aprender / un poco mejor 22:26
DET entonces / este / los resultados / aquí tenemos [///] o sea / puse algunas clases para que [/] para que uno vea / basical book car grass / &eh sky tree y water 22:38
DET y / ¿ qué podemos ver ? 22:40
DET bueno / podemos ver que / la precisión / de / los cuadraditos / es bastante alta / ¿no? 22:47
DET tenemos la precisión local / o sea viendo cuadraditos nada más / es mucho más alta que la precisión usando un sistema / global 22:54
DET ¿ qué quiere decir ? 22:54
DET que cuando = ¿ qué es la precisión ? 22:56
DET que cuando nosotros decimos que es / esto es tal cosa / eso quiere decir que sí es 23:01
DET entonces genial / ¿no? 23:03
DET entonces bueno / nos parece vamos bien 23:04
DET pero por el otro lado / ¿ qué pasa ? 23:07
DET si nos fijamos en el recall / tenemos lo contrario 23:10
DET que / cada vez que vemos un cuadradito / a veces [///] por ejemplo / de todos los cuadraditos que teníamos en la base / que no sé cuántos / deberían ser bastantes porque seiscientos por / el número de cuadrados por imágenes / hay muchos muchos cuadrados que nosotros / no supimos / reconocer 23:26
DET que dijimos debe ser otra cosa y no sé qué 23:28
DET entonces / este efecto / es / bastante interesante 23:34
DET y / ¿ qué &pa [/] qué va a pasar ? 23:36
DET lo que vamos a hacer es / que / lo que sabemos es que &nosot [/] los detectores de este tipo / son muy especializados / saben bien detectar / y cuando dicen que está bueno / está bueno 23:45
DET ¿ok? 23:46
DET pero no saben siempre 23:47
DET ahora el truco va a ser que como en la imagen / vamos a tener muchos lugares / vamos a tener varios lugares / vamos a decir que esto fue flor / esto es flor / esto es flor / y esto es hierba / esto es hierba / pero hay unos que no [/] que no vamos a hacer el recall / o sea no lo vamos a detectar / y básicamente de alguna manera hay que / decir por los sistemas de voto / por ejemplo / adivinar si es o no 24:06
DET eso es lo que voy a explicar / ahora un poco más / con detalle 24:10
DET pero antes / para poder comparar bien / las diferentes &eh [/] el comportamiento de este tipo de [/] de sistemas / &eh / pero de manera un poco más global tenemos que combinar / la precisión / y el [/] el recall 24:23
DET ¿ pero recall en español era el ? 24:25
DET la cobertura / y podemos ver que por ejemplo cosas tipo como xxx sky / funciona / es [/] es genial / o sea esto es / para detectar el cielo es muy bueno 24:35
DET ¿ por qué ? 24:35
DET porque el cielo tiene poca variabilidad 24:37
DET o sea / en general el cielo / o es / bastante uniformemente / azul / o bastante uniformemente blanco / pero básicamente dentro de / dos o tres clases / es bastante uniforme 24:47
DET y entonces este tipo de técnica funciona muy bien 24:49
DET ahora / si uno &eli [/] elige algo como / un pájaro / el problema se complica / ¿no? 24:54
DET porque la variabilidad dentro de la clase pájaro / es muy / muy / muy grande 24:58
DET ahora tenemos cosas que pueden sorprender un poco / por ejemplo / si vemos la clase building / que son edificios a uno le parece que todos los edificios se parecen 25:07
DET bueno / la verdad es / que / no 25:10
DET la verdad es que acá los edificios son bastante diferentes / y este sistema / no da muy buenos resultados 25:15
DET pero claro / es basado[/] esta conclusión es basada en un ejemplo / en un experimento 25:20
DET ¿ok? 25:21
DET así que [///] pero de manera general / flores / hierba / vías / todo lo que son / descripciones de superficies / de la imagen / funcionan bastante bien 25:32
DET y es bastante lógico 25:33
DET ¿ok? 25:34
DET ahora / este / no[///] el estudiante Cristian [/] Cristian desarrolló un sistema entonces se lo voy a mostrar / espero que / funcione 25:45
DET {%com: preparing the application} ok 25:54
DET entonces / este sistema lo [/] fue desarrollado en la [/] en la universidad de / Otto-von-Guericke 26:01
DET y / aquí les vamos a mostrar[/] yo les voy a mostrar solamente / si logro hacerlo 26:06
DET a ver 26:07
DET no nos interesa el principio 26:11
DET esto [/] pero es para mostrarles a ustedes un poco la [/] la [/] la calidad de la [/] el problema que yo tengo en la pantalla no -> 26:18
DET lo veo difícil 26:24
DET # para el micro / &eh / ¿ acá ? 26:41
DET &ah / no / no / pero yo puedo hacer con los dos 26:43
DET {%com: speaking over the microphone} ¿ aló ? 26:44
DET el problema es que [/] el problema es que yo quería skip / y quería pasarlo en full screen pero [/] en pantalla completa / y quería pasar skip pero / mi pantalla no -> [/] está cortada / entonces no tengo la [/] no puedo tocar al play 26:57
DET a ver / a ver / a ver 26:59
DET bueno / no importa 27:01
DET &ah {%com: someone brings him a microphone} / puedo hablar / por acá 27:05
DET ok 27:07
DET esta es la parte de segmentación / que se puede hacer en el sistema manual / pero yo no quería mostrarle esto a ustedes sino que le iba a &mo [/] quería mostrarles / el [/] la parte de = 27:19
DET a ver 27:20
DET yo tengo una idea 27:21
DET va a durar un poco / pero bueno 27:26
DET # la mejor idea es esta 27:37
DET esta es la mejor idea 27:38
DET ok 27:41
DET ¡ah! 27:50
DET ok 27:52
DET ok 27:59
DET ya está 28:00
DET entonces esto es la [///] ahora sí 28:02
DET a ver 28:08
DET ¿ funciona ? 28:08
DET ok 28:13
DET está [/] está funcionando / ¿verdad? 28:14
DET entonces aquí / bueno / podemos ver = 28:17
DET bueno me quedo sentado 28:19
DET aquí podemos ver / entonces el sistema / buscamos una flor / entonces podemos conseguir imágenes que tienen flores / y / lo que podemos ver / es / que [/] que la computadora detecta / flores / pero también detecta pequeños patches / donde se equivoca 28:35
DET en la parte de abajo / donde dice xxx anotation / podemos ver qué fue lo que fue detectado en el cuadradito por donde está pasando el mouse / ¿no? 28:41
DET el mouse está pasando por aquí arriba 28:43
DET ahí lo pueden ver 28:45
DET y entonces abajo aparece / la anotación / en la zona inferior / central / aparece que es flower que no [/] que es flower 28:53
DET aquí de repente detectó una vaca / por ejemplo &por 28:55
DET aquí detectó a un árbol 28:57
DET ¿ok? 28:58
DET pero se pueden fijar / que la mayoría / de los [/] de las palabras / o sea de los tags / que fueron descubiertos / son / &eh tags de [/] la mayoría son correctos 29:08
DET pero hay varios que se equivoca / ¿no? 29:09
DET y parece bastante impresionante / y ese es justamente el problema del gap / semántico 29:13
DET lo único que aquí / &resolvimo [/] hemos resuelto un poco el problema / y tratamos de / evitar / el ruido 29:19
DET aquí bicicleta funciona bastante bien 29:21
DET tenemos road 29:22
DET fue detectado también 29:23
DET y / bueno / tenemos a veces algunos errores tipo / water / tree / ship / y tal / ¿ok? 29:31
DET bueno 29:33
DET ok 29:36
DET a ver 29:37
DET ahora para seguir en la presentación / {%com: talking to himself} xxx / don't save 29:44
DET ok 29:48
DET entonces / a partir / a partir {%com: testing the microphone} 29:58
DET ok 29:59
DET entonces a partir / de / estas indexaciones / ahora uno puede [/] uno tiene [///] ¿ qué tenemos ? 30:04
DET una imagen / y dentro de cada imagen tenemos como que detectamos varias cosas 30:08
DET que si perro / flor / y tal / y tenemos la mayoría de las &i [/] de las [/] de la [/] de las cosas que detectamos / que son / en general / en mayoría / son las que queremos / ¿verdad? 30:17
DET entonces bueno / podemos inventar un sistema muy fácil 30:20
DET seguimos / ok 30:21
DET si / a partir de cierto cantidad / de imágenes / a [/] a cierto cantidad de cuadraditos / &eh / tenemos / tal concepto / entonces por sistema de voto / decimos / está bien 30:33
DET es / tenemos una flor / vimos que hay / no sé / treinta cuadraditos / o una proporción / y / por lo tanto / debe ser una flor 30:40
DET podemos hacer algo tipo una region based xxx que es / fijarse en alrededor si tenemos / alrededor / qué sé yo / tenemos que es flor / flor / flor / flor / flor y en centro tenemos una vaca / podemos decir / o cualquier cosa / podemos decir no / debe ser un error / que es como que es xxx / pasar como un filtro / encima de la imagen / para poder filtrar esto 30:58
DET ahora / de esto no les voy a explicar / porque eso son / como que técnicas 31:02
DET lo que sí puede ser / muy / interesante / y se hace / es / considerar esto &com [/] &pal [/] &var [/] verdaderas palabras 31:11
DET que es decir / transformar esto / en un vector / en un vector como si fuese un diccionario / de lo más normal / y tratar de conseguir / otro documento con las mismas técnicas que uno consigue documentos de / &eh / en el &siste [/] en el sistema texto 31:26
DET ahora se [/] lo que se hace básicamente es algo tipo / xxx 31:30
DET ¿ por qué ? 31:30
DET porque vamos a tener muchos / flor / flor / flor / flor / flor / entonces vamos a pensar / &ah este documento / sí / debe hablar de flor / y bueno / de vez en cuando sale algo 31:37
DET hay que xxx un poco / hay que cambiar un poco la idea / de / los errores 31:42
DET hay que hacer un [/] xxx un poco / cambiar la idea del xxx normal 31:45
DET ¿ por qué ? 31:46
DET porque claro / lo [/] en un texto cuando yo pongo xxx / una palabra que es bastante rara / y me sale en alguna parte / me interesa que me aparezca este documento 31:54
DET en este caso / es un poco diferente 31:55
DET yo no quiero que si tengo / no sé / de repente tengo una bicicleta / dentro de / un lago / entonces yo no quiero que me aparezca 32:03
DET yo pienso que en este [/] en este &pue [/] este tipo de [/] de cosas / hay bastantes [/] bastantes posibilidades / de / hacer / trabajos sobre / &lingüi [/] tipo de [/] de lingüística / de trabajo &proce [/] natural processing language 32:16
DET ¿ por qué ? 32:17
DET porque aquí podemos / tratar de tener las relaciones / entre los diferentes conceptos 32:21
DET por ejemplo / si hay agua / si hay tal cosa / que todo esto tiene que / tener alguna lógica / a un nivel un poco más / abstracto 32:28
DET yo no conozco mucho de natural processing / pero me parece es una gran oportunidad 32:32
DET ¿ por qué me parece una oportunidad ? 32:34
DET porque es muy [/] funciona muy bien / del [/] en una manera naive 32:37
DET o sea simplemente transformando esto / en un diccionario / funciona muy bien 32:41
DET porque eso fue [///] este / esto es / la técnica / la técnica de los cinco mejores / &sistem [/] puede ser que no los cinco / cuatro de los cinco mejores sistemas / de xxx dos mil ocho / que se acaba de presentar hace [/] hace dos semanas 32:55
DET es exactamente lo que les acabo de contar 32:58
DET ahora lo que cambia es que no se utilizó / &eh / no se utilizó como descriptor el color 33:03
DET lo que se descriptó / &eh se [/] utilizó / fue xxx / que es una técnica bastante [/] que es bastante [///] además ya la veremos un poco más adelante / pero una técnica / nueva que está bastante de moda que permite / conseguir los puntos / que &discri / son bastante discriminantes / que permiten escribir en [/] en [/] en la pantalla 33:19
DET entonces / igual 33:20
DET a partir de esos puntos / hacemos un diccionario / basado en un clustering / y hacemos un diccionario tipo texto / y con eso / lo que vamos a hacer / es tratar / de detectar / y buscar / &eh / conceptos 33:31
DET funciona bastante bien 33:32
DET ahora / cuando digo bastante bien / es / que son los mejores del mundo / los que tienen los mejores resultados / en la competición 33:40
DET esto da un average precision 33:42
DET o sea / da un / &prome [/] el promedio / de el &prome [/] de la precisión promedio / ¿no? 33:49
DET o sea / el promedio sobre todos los conceptos que tenemos / sobre la precisión / promedio / cuando vemos los resultados que obtenemos en una lista 33:57
DET y es / &eh más o menos de [/] oscila entre / cero coma cero siete / para los conceptos / los más difíciles / que puede ser por ejemplo / goverment leader / que es bastante difícil de detectar / a / hasta cero coma tres / por ejemplo / si queremos detectar / un terreno de basketball 34:14
DET ¿no? 34:16
DET aquí / bueno / esto es el gráfico &por [/] típico 34:18
DET por ejemplo / si / queremos detectar en [/] en [/] tenemos aquí de = perdón / siempre lo mismo 34:24
DET de aquí en [/] en rojo / tenemos / este por ejemplo / si vemos / algo como maps / para ver si es [/] que estamos viendo en la pantalla un maps / bastante alto / para ver si es el xxx bastante alto 34:35
DET ¿ por qué ? 34:35
DET porque esto es / sobre imágenes de video / entonces xxx es la presentación del video / que es bastante característica y se repite bastante / y siempre muy regularmente / se parece 34:45
DET este / y pero / se complica por ejemplo si buscamos que es / police security corporate leader / por ejemplo 34:51
DET ¿ok? 34:52
DET ahora / entonces / si esto / funciona / bastante bien / pero tenemos el problema del diccionario / o sea cuántas palabras vamos a hacer 35:02
DET los / mejores equipos del mundo / que / prometían que para este año íbamos a tener / varios miles de palabras / de conceptos / bueno / actualmente / van / por / trescientos setenta y cuatro 35:13
DET o sea el diccionario actual / visual / es de &set [/] &tres [/] trescientos setenta y cuatro / palabras 35:19
DET y / &eh / fue propuesto [/] es basado en una antología / que tiene creo que son mil / y se eligieron trescientos setenta y cuatro / que funcionan más o menos decentemente 35:29
DET ¿ok? 35:30
DET pero a pesar de todo yo pienso / que estos conceptos se pueden utilizar / se pueden utilizar / para mejorar / la busca de información basada en texto 35:38
DET porque / el texto funciona muy bien / es muy semántico 35:41
DET ¿ por qué es semántico ? 35:42
DET porque cada una de las palabras tiene / un significado / cuando hacemos la representación dentro de la computadora / vamos a hacer una representación también vectorial 35:50
DET pero cada los &vect [/] cada uno de las dimensiones / tiene un significado 35:53
DET es [/] si vamos a [/] y hacemos un xxx semantic indexing / siguen teniendo / aunque no es una palabra &contre [/] concreta / vamos a tener / dentro de [/] de cada dimensión / va a tener un significado bastante &contre [/] concreto 36:04
DET entonces / este / ¿ qué es la proposición que &te [/] que hacemos aquí ? 36:10
DET es / la idea de utilizar el texto / y después / botar / las imágenes / que nos molestan / que no corresponden a lo visual 36:18
DET este / &co [/] un [/] un ejemplo de [/] un ejemplo de [/] de este tipo de [/] de ideas / es / lo que les contaba al principio 36:28
DET si tenemos un sistema de búsqueda / por ejemplo / que estamos buscando / imágenes de productos / yo les decía / claro / el producto lo puedo conseguir / por la descripción / del texto 36:38
DET pero en el texto me va a aparecer / el hecho que ese producto es / amarillo / azul o algo 36:44
DET entonces si yo puedo combinar estas dos informaciones / viendo la imagen / veo que es azul / y viendo el texto / veo que es una cartera Nike 36:53
DET entonces / puedo saber / que me [/] puedo saber que la imagen / o puedo / apostar / que la imagen / es una imagen de una cartera azul / de Nike 37:01
DET ¿ok? 37:02
DET ese tipo de cosas nosotros hicimos en el dos mil dos / un sistema de venta online para / prototipo / ¿no? 37:08
DET de [/] de [/] para buscar productos 37:10
DET y / &eh [/] y / &eh [/] y bueno / yo no sé si lo tengo acá 37:15
DET es un sistema así de productos 37:19
DET aquí tuvimos que separar / el [/] las dos nociones para [/] para bien separar en la demostración / para poder mostrar / que si uno lo busca en el texto no funciona / y si uno lo busca / texto con imagen / junto / pero / básicamente / por ejemplo / esto es la búsqueda de [/] de un [/] de una camiseta / morada / por ejemplo 37:36
DET y es bastante eficaz ese tipo de noción 37:38
DET ¿ok? 37:40
DET este / ese tipo de idea / también en el [/] en el sistema también lo teníamos 37:44
DET pero es una &ite [/] una idea que puede ser [/] es bastante interesante / por ejemplo es / la utilización de detector / de caras 37:50
DET ¿ por qué ? 37:51
DET porque detectar caras es bastante simple 37:53
DET pero &eh [///] y se puede utilizar más &bas [/] de manera bastante inteligente 37:57
DET por ejemplo hoy / vimos una presentación / donde se utilizaba / la &detecció [/] detectamos que hay nombres propios por ejemplo 38:04
DET se puede combinar / si sabemos que es nombre propio / probablemente lo que queremos ver es la imagen de esa persona / entonces podemos combinar el hecho / que sabemos que un nombre propio / en la [/] en la pregunta 38:14
DET y después / cuando uno busca la [/] la [/] cuando uno tiene la imagen / selecciona simplemente las imágenes donde sabemos que tenemos una cara 38:22
DET ¿ok? 38:23
DET bueno / ese tipo de cosas se hacen 38:25
DET hoy en día hay bastantes sistemas 38:27
DET &eh / xxx punto com es uno de / venta online 38:30
DET tenemos xxx punto com que propuso el &pri [/] de primero la búsqueda de imágenes basada / &eh con filtro 38:37
DET que uno lo tiene [///] pero &lo [/] el filtro lo tiene que hacer / en postproceso / no lo hace automáticamente 38:42
DET lo mismo hace Google que lo puso / una semana más tarde 38:45
DET y / este / y [///] perdón 38:49
DET y / la idea / es / ahora 38:53
DET y / bueno / y eso funciona bastante bien 38:54
DET ¿ por qué ? 38:55
DET porque estos dos detectores son bastante visuales 38:57
DET el hecho de conseguir caras / o conseguir colores es bastante visual 39:00
DET entonces / todavía no nos atrevemos mucho a hacer / el salto del semantic gap / aquí es un saltito / ¿no? 39:05
DET simplemente decimos / ¡ah! / ¿ azul ? 39:07
DET bueno / entonces detectamos acá azul 39:08
DET que no es tan trivial / porque / los colores pueden estar / por ejemplo el blanco / si hay sombra / o si hay iluminación de fotografía puede no ser tan blanco / por ejemplo / entonces el salto puede ser un poquito más / largo de lo que uno piensa 39:20
DET pero en fin / lo que queríamos ver acá / es cómo / podemos utilizar / este / el &tip [/] &eh &c [/] utilizar conceptos un poco de nivel más alto / o sea conceptos &de [/] del tipo de los que acabamos de ver / para mejorar una búsqueda de información / texto 39:35
DET entonces esto es [/] son resultados / que utilizamos de xxx que organizó / Paul // esta mañana 39:42
DET y / este / la idea va a ser / agarrar / un topic / que esto eran los topics 39:48
DET por ejemplo teníamos / que hay que buscar xxx / que [/] y las relevant images will show xxx 39:54
DET o sea / las imágenes pertinentes nos van a mostrar / &eh / focas / que -> &ah de [/] aquí hay varios ejemplos de focas 40:02
DET y / nos va a &mos [/] mostrar un poco de agua que puede ser / el mar / un lago 40:06
DET pero / las imágenes que no son relevantes / este / {%com: pointing the screen} ¿ dónde es ? 40:12
DET imágenes de / focas / con no agua / con no agua visible / en la imagen / no son / pertinentes / para nuestro problema / ¿ok? 40:21
DET uno tiene derecho [/] nosotros tenemos derecho de utilizar / todo este [/] esto / para construir / la pregunta de manera automática 40:28
DET como nosotros no sabemos hacer / processing automático y lenguaje natural / lo que inventamos / que fue absolutamente genial / ya lo verán / es / que cuando sale not / dentro de la frase / entre dos puntos / lo borramos y lo botamos 40:41
DET pero esto no es / importante para el problema que tenemos acá / ¿ok? 40:45
DET lo que vamos a hacer es / simplemente transformar este topic en alguna pregunta / texto / y vamos a conseguir imágenes / y funciona bastante bien 40:53
DET y después / vamos a tratar / de detectar / a partir del query / que nos interesa / un concepto que [/] que ya conocemos / de nuestro diccionario / de trescientos setenta y cuatro palabras / y tratar de utilizarlo 41:06
DET el diccionario este de nosotros era más pequeño / porque era del [/] de la misma competición 41:10
DET ¿ok? 41:12
DET y después / aplicamos el detector en las imágenes / y decimos sí / aquí había agua / no / aquí no había / esta / va para la basura 41:20
DET ¿ok? 41:20
DET ese es el concepto de / la [/] de este [/] de este [/] de [/] de este [/] del [/] del método 41:26
DET entonces / para [/] para poder / &eh / medir &si [/] qué tan bien funciona este &si [/] este tipo de sistemas / este / trabajamos con / diecisiete conceptos 41:36
DET estos conceptos los aprendimos con doscientos / &eh / con dos mil imágenes 41:40
DET con / un método un poco diferente del que presenté hace un momento &si [/] utilizamos árboles de decisión 41:45
DET y / &eh / para poder entrenar la [///] esto son las dos [/] dos mil imágenes de ejemplo / y / mil imágenes de text / ¿no? 41:53
DET para [/] para [/] para poder aprender la generalización 41:55
DET después / en / el challenge [/] en el [/] en el desafío / de -> / búsqueda de imágenes / photo retrieval / habían veinte mil imágenes / que eran del mismo tipo / de la misma familia digamos / de la imágenes que teníamos / y &to [/] cada imagen tenía texto 42:10
DET o sea tenía una descripción / como la que acabamos de ver / y / era semiestructurada / eso no se utilizó pero bueno / tenía 42:16
DET y / ¿ cómo vamos a [/] a [/] cómo se [/] se probó ? 42:18
DET bueno habían treinta y nueve / topics / como los que acabamos de ver / y también era semiestructurado 42:24
DET y habían imágenes / ejemplos también / para el que quiera &apa [/] participar el año que viene / habían imágenes ejemplos que nosotros no utilizamos / ¿ok? 42:31
DET es para darle un poco el [/] el peso / y la calidad de los resultados / &par [/] sabiendo qué tipo / en qué tipo de información / en qué tipo de data / hemos trabajado 42:40
DET ok 42:41
DET el tipo de conceptos que teníamos / era / conceptos [/] era una [/] o sea / era &u [/] una [/] un grupo de conceptos / diecisiete / que tenían una estructura un poco jerárquica 42:53
DET son conceptos que en general / no lo elegimos nosotros / los eligieron en la competición / que son / bastante simples de aprender / porque son los que funcionaban bien / cuando les mostraba el ejemplo hace un segundo / water / sky / day / road / building / mountain / etcétera / etcétera / ¿no? 43:08
DET son ejemplos que funcionan bastante bien 43:10
DET y / &eh / la descripción que nosotros utilizamos / era una descripción / que era una mezcla de descripción / global / y local 43:17
DET porque como les decía / bastante interesante / ver las cosas de manera local porque si / no es de los cuadraditos como / lo que acabamos de ver pero / tenemos &cuad [/] tenemos rectángulos que nos permiten detectar / focalizar / la atención del algoritmo / al cielo / o a la parte superior de la imagen / o a la parte inferior de la imagen / o / el centro porque son &im [/] son lugares donde puede aparecer / de manera regular / alguna descripción visual / y de ahí podemos aprender 43:42
DET el sistema de aprendizaje / es / un sistema de árboles y / &eh / no voy a entrar mucho en detalles / pero / utilizamos un método de xxx decision trees 43:53
DET si alguien tiene una pregunta me puede venir / a ver después / de [/] de la presentación 43:57
DET y / utilizamos un sistema de bagging / para poder / &eh / tener / resultados / de [/] más robustos que simplemente / utilizar / un / clasificador único 44:08
DET entonces se combinan varios clasificadores / en [/] en cadena 44:11
DET ¿ok? 44:12
DET entonces / el texto / era / &bu [/] buscábamos el texto como un xxx muy simple 44:19
DET y / para construir la [/] la query / lo que hacíamos en este experimento / particular era simplemente / agarramos el título / ¿verdad? 44:28
DET ¿ok? 44:29
DET y después / utilizábamos el filtro para [/] para borrar 44:32
DET ok 44:33
DET una de las grandes preguntas / todo esto parece bastante simple / pero una de las grandes preguntas es / qué concepto vamos a utilizar 44:40
DET ¿ok? 44:40
DET porque yo tengo seals / y the water / cómo hago yo / yo para saber / que &es [/] que water / es water / es fácil 44:48
DET pero para saber que un seals / es un animal / la cosa se complica 44:53
DET ¿ok? 44:53
DET entonces nosotros hicimos dos métodos para poder / detectar esto 44:57
DET un método es / simplemente utilizamos el concepto directamente si aparece 45:01
DET y después / un [/] utilizamos / wordnet / porque nosotros no sabemos hacer nada más complicado que eso / simplemente wordnet / para tratar de conseguir sinónimos / y tratar de ver 45:11
DET este / yo no les voy a presentar los resultados de wordnet aquí para no complicar / la presentación 45:17
DET pero básicamente lo que pasa cuando es wordnet / que las asociaciones que uno piensa / que son / las buenas / bueno por mala suerte / a veces sí / a veces no 45:27
DET claro / en el caso del seal / funciona perfecto / conseguimos el animal 45:32
DET pero otro de los topics / había que conseguir straight roads / que eran / carreteras derechas 45:38
DET y straight / en inglés / da la casualidad / que uno de los sinónimos / es una persona / que no es homosexual 45:46
DET entonces &usi [/] utilizamos / la detección / de personas / en / el sistema 45:51
DET entonces conseguimos muchas calles / donde había gente parada // de todo tipo 45:56
DET ¿ok? 45:57
DET y entonces / el sistema / completamente no funcionó 45:59
DET entonces / globalmente / los resultados / son / de la misma calidad que no utilizarlo / pero / sí funciona 46:06
DET entonces / bueno / para eso se puede hacer toda una discusión / y / nuevamente me parece que aquí / se podría hacer algo / un poco más inteligente 46:13
DET porque si ustedes saben que straight / aquí no es [/] no estamos hablando de una persona / sino que straight / es [/] describe / la road / entonces ustedes pueden saber [/] puede ser / que no es un sinónimo {%alt: sinómono} correcto 46:24
DET no sé 46:25
DET en fin / veamos entonces / cómo funciona / la [/] la [/] la parte / del filtro 46:31
DET entonces ustedes dicen bueno ok / ya sabemos que seguro / es / agua / ¿no? 46:35
DET estamos seguros que es agua 46:36
DET ¿ cómo vamos a hacer ahora ? 46:37
DET ¿ qué hacemos ? 46:38
DET problema es / que las imágenes que vienen con el texto en general las primeras son muy buenas / en general 46:44
DET entonces &co [/] si el [/] mi detector / que ya vimos / no era muy bueno / dice que no / ¿ qué hago ? 46:50
DET eso se puede hacer cálculo probabilista y tal / no sé 46:53
DET nosotros lo que hicimos / es / simplemente / como el focus de la métrica / y eso por eso que hay que hacer atención en las competiciones / el &fo [/] el [/] la métrica de aquí era decir que las primeras {%alt: primentas} &ve [/] lo que nos interesa son las primeras {%alt: primentas} / veinte imágenes / y ver cuál es la precisión en veinte 47:08
DET básicamente es / yo le doy veinte imágenes / de las veinte cuántas son buenas 47:12
DET entonces lo que nosotros hicimos es / simplemente / sacábamos las imágenes que no / correspondían / a nuestro criterio / ¿ok? 47:20
DET que no habían [/] que no tenían el concepto visual que nosotros queríamos 47:23
DET y las metíamos en el rango cincuenta / por si / botábamos las primeras cincuenta / ¿no? 47:28
DET y así regresan 47:29
DET por que así no / porque si / empezamos a traer cosas de abajo / ahí si es que íbamos probablemente muy mal 47:34
DET ¿ok? 47:36
DET entonces / ¿ cómo funciona esto ? 47:38
DET aquí les muestro bueno 47:39
DET el rango uno / era esto / ¿no? 47:41
DET había una [/] una [/] una foca en la playa 47:43
DET había un poco de agua 47:44
DET detectamos que hay agua 47:45
DET dijimos / ok 47:46
DET se queda 47:47
DET bien 47:48
DET la pegamos 47:49
DET a la segunda / hay una foca / no hay agua / no la queremos / la metemos en el rango cincuenta 47:55
DET bien 47:56
DET llega la tres / tenemos a un señor / y detectamos / que no hay agua 48:04
DET ahora bastante extraño / ¿no? 48:05
DET porque / problema del semantic gap / ¿no? 48:08
DET en la primera sí habíamos visto el agua / y en esta / no vemos el agua 48:12
DET ¿ok? 48:13
DET pero bueno / ese es el precio / del aprendizaje automático 48:17
DET y bueno / la botamos 48:18
DET la metemos en la cincuenta y uno por si exageramos mucho / y ella regresa / ¿no? 48:23
DET y bueno / y así va el sistema 48:25
DET hay una [/] no sé qué rango es esta / pero bastante alto 48:27
DET aparece {%alt: apareste} este señor 48:29
DET no sé por qué aparece ese señor 48:30
DET pero en todo caso / ese señor / no le detectamos agua / y así vamos 48:35
DET hasta / el segundo error / aparece / apenas en el rango veinte de este sistema 48:40
DET o sea que / pueden ver que con un / concepto tipo agua que es bastante bueno / y / con a [/] un algo [/] un concepto / textual tipo seal que / también es bastante bueno / desde el punto de vista texto / podemos funcionar bastante bien 48:53
DET ¿ok? 48:54
DET es más / nosotros / éramos un poco mejor / que la competición / porque en el rango ocho nosotros detectamos / que / esto era seal / que había agua / y no la filtramos / pero la competición nos las contó / como mala 49:08
DET entonces / bueno / yo ya con Paul / por eso que yo no soy muy amigo con Paul / como se habrán dado cuenta {%act: laugh} 49:15
DET entonces bueno / justamente / este es el problema 49:18
DET o sea / simplemente para decir que este tipo de sistema puede funcionar bastante bien 49:21
DET el hecho de / traer la semántica / con el texto / y filtrar con las imágenes 49:25
DET ahora / esto es un poco [/] un poco de venta / entonces veamos mejor / un poco los números / los resultados técnicos 49:31
DET entonces / lo que vemos es que en general mejora 49:34
DET no se fijen mucho en [/] en los porcentajes / aunque yo los dejé / porque se dejan pero / el porcentaje no es porque / la precision es bastante baja / en general / para el texto puro 49:44
DET del lado &eh [/] del lado qué 49:47
DET del lado izquierdo / tenemos / para los treinta y nueve topics 49:52
DET claro / de los treinta y nueve / como el sistema no es [/] no usa sinónimos / sino simplemente busca el topic / solamente once fueron modificados entonces / claro / siempre se mejora 50:01
DET o sea / pase lo que pase / si mejoramos de este lado / si mejoramos en los &mod [/] en los topics que modificamos / entonces también mejoramos el resultado total porque las otras no modificamos 50:10
DET entonces vamos a fijarnos simplemente en los once topics / que si en los [/] en las [/] si / las once preguntas / que sí funcionan y aquí vemos que / mejoramos de manera digamos relativa / bastante / bastante bien / funciona este sistema 50:23
DET lo que podemos observar / es / que los conceptos donde aparecían {%alt: apariecían} &pro [/] este // ¿ cómo se llama ? // conceptos visuales / de / nuestro pequeño diccionario / eran [/] funcionaban mucho / menos / o sea la precisión a veinte era mucho más baja que la precisión a veinte / promedio / en los treinta y nueve / esos 50:43
DET parece como / si / &sim [/] &eh / naturalmente / la gente cuando / busca un concepto / que se clasifica muy bien de manera visual / la gente no lo indexa 50:54
DET o sea simplemente eso no aparece en el texto 50:56
DET esa es la impresión / es un poco la impresión / que da / estos tipos de resultado 51:00
DET habría que investigar un poco más 51:01
DET ¿ok? 51:02
DET y / &eh / bueno / y también / probamos otro tipo de busca de información / basada en language model / y / se ve un poco lo mismo con / una diferencia un poco más baja / pero / más o menos el mismo [/] el mismo comportamiento general 51:16
DET o sea que no depende del modelo / de búsqueda de texto 51:19
DET ok 51:21
DET pero / ¿ qué pasa exactamente ? 51:24
DET vamos / &eh [/] lo [/] lo que xxx para ver 51:26
DET ¿ qué pasa exactamente ? 51:27
DET lo que hicimos es simplemente / comparamos / en un axis / vamos a comparar la precisión a veinte / de los [/] de &pu [/] de una [/] de una [/] de un resultado / o sea de un run / de una submisión / &eh / simplemente texto contra una &a [/] aplicando el filtro 51:44
DET y lo que vamos a ver es / que todo lo que no fue / modificado por nuestro sistema porque no había concepto / está en la diagonal 51:50
DET por que es normal / es el mismo valor 51:52
DET y / vamos [///] algunos de los [/] de los [/] de lo [/] de lo que sí ha sido modificado / se / modifica / y funciona mucho mejor 52:00
DET por ejemplo tenemos el topic cincuenta y ocho / que se mejoró mucho 52:03
DET el topic cuarenta y cuatro que se mejoró mucho 52:05
DET conclusión / este tipo de método siempre / mejora los resultados a la precisión de veinte 52:10
DET atención / es la precisión de veinte 52:13
DET o sea nos interesan las primeras veinte imágenes / y no el recall 52:16
DET aquí nosotros botamos / bastante imágenes / de / las primeras 52:21
DET y / claro / tenemos la impresión que funciona muy bien 52:23
DET pero / para [///] en un contexto de búsqueda de información tipo / Google o algo así / es / un sistema que funciona bastante bien 52:30
DET ok 52:33
DET entonces / este / conclusión de esta parte / es / text-based image retrieval / puede [/] puede / beneficiar del uso de concepto detección automática / a pesar de los [/] que los detectores no son de muy buena calidad 52:49
DET y / para algunos / de los / &eh [/] de los topics / o para alguno de los casos / funciona muy bien 52:55
DET y en los otros casos / no [/] no [/] no afecta 52:58
DET ahora / cómo detectar 53:00
DET eso ya es lo que yo quisiera que me responda a mí / la población del / &eh [/] del &eh / PNL 53:06
DET que me &p [/] {%alt: respenda} responda a mí 53:07
DET me diga / cuál concepto / cómo hago yo para extender / mi query / y saber / qué tipo de / concepto visual tengo que utilizar 53:14
DET porque funciona bien 53:15
DET el problema está / en / saber/ qué concepto visual utilizar 53:19
DET ¿ok? 53:21
DET bueno 53:23
DET ok 53:26
DET entonces / no sé si ... {%com: } 53:30
DET no / no / pero ya [///] porque / cuando es muy largo / y a esta hora / lo puedo hacer / un poco más [/] menos [/] sin entrar en detalles 53:38
DET y [/] y vamos a ver 53:40
DET entonces bueno / lo que acabamos de ver / es lo que ustedes conocen un poco que es [///] bueno / vamos a utilizar el texto / ¿verdad? 53:46
DET entonces ustedes van a decir claro / yo puedo resolver todos los problemas de mi vida / sin ningún problema 53:51
DET yo puedo vivir feliz 53:52
DET porque claro / yo con el texto / yo voy a Google / yo me meto en Google / y resuelvo el problema 53:57
DET bueno / puede ser que pase un poquito más de tiempo y tal 53:59
DET entonces lo que [/] lo que yo les propongo aquí / es / que ustedes me digan / y pueden utilizar Google / pueden utilizar lo que ustedes quieran / que me digan / quién es el autor / de esta pintura 54:11
DET {%com: he waits for an answer} ok / les doy una -> [///] les puedo ayudar 54:18
DET les puedo dar el GPS position de la imagen / si quieren 54:20
DET donde fue sacada 54:21
DET ¿ saben cuál es ? {%com: nobody answers} 54:23
DET bueno / les digo que es en el Louvre 54:25
DET la sacamos en el [///] eso es del Louvre 54:27
DET bueno / justamente / eso es lo que nosotros queremos hacer / &co [/] eso es lo que [///] la idea aquí va a ser / voltear el problema 54:35
DET tengo una imagen / y lo que yo quiero ahora es / que me consigan el texto 54:39
DET ¿ok? 54:39
DET bueno entonces / ¿ cómo [/] cómo [/] qué es lo que proponemos ? 54:43
DET esto es un trabajo que hicimos con Boris / xxx / de la EPFL 54:47
DET y / la idea es / hacer un sistema móvil / para guiar / a los turistas / en [/] en [/] en un museo 54:54
DET esto es basado en un teléfono o un móvil 54:56
DET este / y / &eh / vamos a utilizar [///] lo que vamos a hacer es / que vamos a utilizar la cámara / del móvil / para detectar / qué cuadro es 55:03
DET o sea / por ejemplo / vamos a los museos / le damos / y detectamos 55:06
DET ustedes me van a decir / &ah / sí / bueno / pero / de qué me sirve a mí / sacarle la foto / al cuadro si yo tengo el nombre allí abajo 55:13
DET bueno / es que yo les puse la pregunta fácil 55:16
DET si les pregunto algo más / entonces ustedes me van a decir / bueno 55:20
DET &eh si les &pregu [/] les [/] les puse la pregunta = no / no me acuerdo qué iba a decir {%act: laugh } 55:24
DET si yo les pregunto a ustedes / les dicen / bueno / yo les puse la pregunta / yo les digo / bueno / díganme / por ejemplo / qué es [/] qué escuela es / o algo así 55:33
DET entonces me van a decir / bueno / no importa 55:34
DET yo me lo anoto 55:35
DET y voy a la casa / y yo lo busco en Google 55:37
DET entonces yo lo que les voy a &de [/] les puedo poner como ejemplo // aquí no hicimos el experimento pero / es la misma técnica / funciona perfectamente // ustedes pueden apuntar / a uno de los personajes / del cuadro / y / basado en eso / yo le puedo designar / la descripción que es lo mismo 55:51
DET a partir de una imagen / yo le buscaré la descripción / del personaje 55:54
DET ya no del cuadro 55:55
DET les voy a decir / este personaje / tiene que ver esto / y lo otro / con la imagen 55:58
DET eso dudo / que sin leer / un artículo bastante largo / ustedes logren saber 56:03
DET bueno / en fin / eso es / para un poco justificar este tipo de sistemas / que probablemente ustedes verán / dentro de los próximos años / en los supermercados 56:11
DET la gente va a tener / de la telefónica / usted va a poder / detectar un producto comercial / por ejemplo / Coca-cola / y va [/] le va a decir / &ah / ok / pero el supermercado de al lado es más barato 56:20
DET ¿ok? 56:21
DET y bueno / y como [///] y si no funciona no importa porque / de todas maneras todo el &m [/] el móvil se vende muy bien 56:26
DET ¿ok? 56:27
DET ahora / ¿ qué pasa ? 56:29
DET esto es / bastante interesante 56:30
DET // no se necesita ninguna instalación 56:31
DET no lo tiene que instalar el museo 56:33
DET se puede / instalar / &eh / simplemente desde el móvil 56:36
DET y [///] pero hay un problema 56:38
DET ¿ cuál es el problema ? 56:39
DET que / podemos conseguir imágenes que se parecen mucho pero / aquí las imágenes no se van a parecer mucho 56:45
DET ¿ por qué ? 56:45
DET porque vamos a tener problemas de reflexiones / porque ponen vidrios / los [/] los del museo no sé / pero ponen vidrios delante de los [/] de los cuadros 56:52
DET hay deformación si yo saco la foto de un lado / se me va a deformar la imagen 56:55
DET y / hay gente que tiene la mala maña / no sé si se han fijado en los museos / de pasar cuando uno quiere sacar la foto / pasan delante 57:02
DET entonces el sistema de búsqueda tiene que ser bastante / robusto a este tipo de problemas 57:06
DET por eso es que nosotros utilizamos / xxx 57:09
DET claro / aquí no les voy a presentar / &eh / cómo funciona / esto / en detalle pero / como ven / es una técnica que está así como en [/] en [/] en el aire actual 57:18
DET y mucha gente la está utilizando 57:19
DET hay otros tipos de método / por ejemplo xxx que es lo mismo un poco más acelerado 57:23
DET en tal nosotros hicimos un estudio &eh / sobre este tema 57:26
DET y / después / hicimos / un sistema [///] perdón 57:30
DET después hicimos un sistema de / búsqueda / acelerado / basado en / xxx 57:36
DET es un poco misma la idea 57:38
DET es poder / acelerar la búsqueda de la imagen / dentro de &eh [///] / buscar un poco rápidamente la &i [/] la [/] la imagen / el correcto match pero &ráp [/] de manera rápida / ¿ok? 57:47
DET no sé 57:48
DET no [/] no entremos mucho en detalles 57:50
DET ¿ok? 57:51
DET ¿ qué pasa con los teléfonos celulares ? 57:54
DET &eh / perdón / móviles 57:56
DET los teléfonos móviles / lo que pasa / es / que / a ustedes se los venden por seiscientos euros / o cuatrocientos euros si no se ponen un plan de cuatro años 58:05
DET &eh / esos teléfonos tienen / un procesador que es / de lo más barato / que existe / en el mercado 58:11
DET y / calculan muy lentamente 58:13
DET por lo tanto / nosotros hicimos primero test / empezamos a hacer algunos tests / sobre la [/] la busca de información móvil 58:19
DET y / descubrimos bastante rápidamente / que / si uno quiere hacer los cálculos en el móvil / el señor tiene que sacar la foto / irse a tomar un café y regresar en la tarde / para saber qué cuadro era 58:28
DET entonces hicimos una arquitectura que simplemente el móvil / es / un aparato que permite / transferir / la pregunta a un servidor que hace el [/] que hace todos los cálculos / y es bastante mucho [/] es mucho más rápido 58:39
DET ahora / hay que mandar toda la imagen 58:42
DET entonces / lo que nosotros vamos a hacer / es que vamos a tratar / de fijarnos / en diferente tipo de resoluciones 58:48
DET ¿ por qué ? 58:49
DET porque primero / hay que mandar una imagen / no puede ser muy grande / primero 58:52
DET y segundo / que para calcular las features de la imagen / tenemos que hacerlo de bastante manera rápida 58:58
DET mientras más grande la imagen / más tardamos para calcular las features 59:01
DET y en el caso de la xxx / esto es exponencial 59:04
DET ¿ok? 59:05
DET bueno / para darle un poco / la idea de si funciona o no funciona / tenemos una base de referencia / utilizamos una base de referencia que nos prestaron los [/] los amigos del [/] húngaros de la / web galery of art // que es excelente / se la recomiendo si quieren buscar alguna cosa 59:19
DET &ah / ellos tienen a dos mil doscientos artistas registrados 59:23
DET hay dieciséis mil / ochocientas piezas de arte / y para no poner el problema muy difícil / este / elegimos solamente las mil doscientas imágenes / de los cuadros del Louvre / admitiendo / que [///] o sea / como hipótesis de trabajo / que le podemos pedir al utilizador / cuando llegue / decir en qué museo está 59:41
DET entonces ya / podemos simplificar un poco el problema 59:44
DET ¿ok? 59:44
DET &u [/] un escenario bastante realista / o simplemente conseguimos la &co [/] en qué posición se encuentra 59:49
DET y sabemos que está en el Louvre / en fin 59:51
DET después para los tests / elegimos cuarenta pinturas 59:54
DET y / &eh / cuatro &dip [/] &eh / perspectivas diferentes 59:58
DET y &va [/] varios tipos de resoluciones 1:00:00
DET para que uno vea / el problema de la resolución / para poderle darle un poco el sentimiento a la resolución / a mano de [/] izquierda tenemos / la imagen / la imagen que vimos al principio / a una resolución de sesenta y cuatro por cincuenta y uno 1:00:12
DET si ya era difícil reconocer / la imagen / de buena calidad / imagínense de más baja calidad 1:00:19
DET y bueno / esto es una imagen de doscientos cincuenta y seis 1:00:21
DET hicimos experimentos hasta quinientos doce por el / proporcional / ¿no? 1:00:25
DET este / sobre el tema de la perspectiva / aquí tenemos / una imagen &a [/] arriba y a la izquierda tenemos una imagen frontal 1:00:34
DET y después tenemos / una imagen a la derecha / a la [/] arriba a la derecha / una perspectiva de la derecha 1:00:41
DET fíjense que elegimos cuadros de diferentes tamaños 1:00:43
DET fíjense que los cuadros están [/] tienen [/] tienen / &eh / tienen marcos 1:00:48
DET fíjense que hay gente que se nos atraviesa / por ejemplo cuando se hace una imagen / a distancia 1:00:52
DET en fin / tratamos de hacer / una base de [/] una base / de tests / bastante realista 1:00:58
DET ¿ok? 1:00:59
DET ¿ qué observamos ? 1:01:00
DET bueno / observamos que claro / lo que se esperaba un poco / era que si aumentábamos la resolución de la imagen / lo que iba a pasar / es / que se mejoraba mucho / &eh / el [/] el tiempo de cálculo / iba a aumentar mucho 1:01:12
DET aquí comparamos básicamente tres técnicas / o sea en este gráfico simplemente vemos tres técnicas / la xxx / la xxx que es una speed up / xxx / y la xxx / fast / que es lo que nosotros proponemos {%alt: proponimos} 1:01:22
DET y como imagino que nadie se sorprende / nuestro método combinado / es el más rápido / y probablemente el más eficaz 1:01:29
DET ¿ok? 1:01:30
DET pero lo que quiero decir / que / es / &va [///] aumentamos un poco s/ y fíjense / el xxx / aumenta 1:01:35
DET esto es / una escala en segundos / y nos conseguimos en algo / tipo mil quinientos segundos 1:01:40
DET que es / bastante / bastante alto / ¿no? 1:01:42
DET entonces / por eso fue que nosotros propusimos después / la aceleración 1:01:46
DET ¿ok? 1:01:47
DET ahora la performance / &al [/] algún truco tiene que haber 1:01:50
DET ¿ cómo hacemos nosotros para acelerar ? 1:01:51
DET al acelerar / lo que hicimos es / un sistema de indexación de la base de datos / que nos permite / adivinar / básicamente 1:01:57
DET adivinar / cuál es la imagen 1:01:59
DET // pero claro / de vez en cuando nos tenemos que equivocar 1:02:01
DET o sea / no podemos ir / igual de rápido que los demás / o sea / no podemos ir cien veces más rápido que los demás / pero eso sí / no equivocarse nunca 1:02:08
DET o sea / puede ser que se pueda / pero lo que nosotros hicimos es / una / receta / heurística / ¿no? 1:02:14
DET y aquí vemos / que si utilizamos doscientos cincuenta y seis / lo que era lo más lento hace un &se [/] hace un momento / no nos equivocamos absolutamente nunca / tenemos / el cien por ciento / o sea / esto es el rango / de la imagen / en qué [/] en qué rango ahí aparece 1:02:29
DET y / &eh / si agarramos el rango uno / la tenemos cien por cien 1:02:32
DET entonces agarramos / en los dos primeros rangos cuántas veces aparece 1:02:35
DET y bueno / y aquí vemos que / por ejemplo / ciento veintiocho / es bastante eficaz 1:02:38
DET ahora / hay efectos bastante interesantes / que no puedo explicar aquí 1:02:42
DET &eh / que no voy a explicar 1:02:43
DET pero / por ejemplo / algo de mejor calidad / acelerado / funciona / doscientos cincuenta y seis fast / contra ciento veintiocho fast / la [/] &e [/] funciona [/] no funciona tan bien 1:02:55
DET ¿ por qué ? 1:02:55
DET porque el momento / &eh [///] habría que ver cómo funciona el algoritmo de aceleración / hace que / simplemente / hacemos muchos errores / en el momento de acelerar / ¿ok? 1:03:04
DET en fin / ese es [/] es eso 1:03:06
DET bueno 1:03:07
DET entonces / este / para [/] para mostrarle un poco cómo funciona / el sistema = no / no se pudo {%com: manipulating the computer} 1:03:14
DET ok 1:03:19
DET este / para mostrarles el [/] el sistema entonces / bueno esto es hecho en un [/] la oficina / entonces no tenemos el [/] tenemos / pero tenemos un cuadro de [/] de alta calidad 1:03:29
DET y / entonces / esto fue programado en / &eh [///] o sea tenemos versión [/] varias versiones / porque el estudiante estaba fascinado por la programación / entonces la tenemos en / Android 1:03:37
DET o sea / si se compran un GPhone / lo pueden [/] se lo pueden instalar sin ningún problema / lo tenemos en la / HP / en el Windows Mobile HP 1:03:45
DET en fin / el [/] el [/] el [/] el estudiante / le gustaba programar 1:03:49
DET entonces / la interface no es ideal / porque es un prototipo 1:03:53
DET lo que nos interesaba es saber la [/] la [/] la [/] la calidad de la programación 1:03:56
DET entonces se toma la imagen / ¿ok? 1:03:59
DET y después fíjense que la imagen era / blanco y negro / ¿no? 1:04:02
DET ¿ por qué ? 1:04:03
DET porque no importa 1:04:04
DET o sea / este sistema es bastante robusto / y / no importa / porque el descriptor xxx / se fija // que no se los expliqué // se [///] no / toma en cuenta los colores 1:04:12
DET o sea / cuando esta mañana oímos / que Paul dijo / que ese es el mejor sistema / sí es verdad / es lo que se [/] más se ha utilizado &o [/] hasta el día de hoy 1:04:19
DET se ha utilizado / pero los xxx no utilizan el color / aunque existen / claro / versiones / color del xxx 1:04:25
DET no sé / cuánto se puede ganar 1:04:27
DET y bueno / y al final / descubrimos / que &efecti [/] efectivamente descubrimos que era el fortune teller / la versión de París 1:04:35
DET &eh / sí / creo que hay una solo versión 1:04:36
DET es del [/] el del as [/] el as de pique / y &e [/] y el as de trèfle en [/] uno en Nueva York y uno en París 1:04:41
DET en fin / conseguimos el / xxx 1:04:44
DET ¿no? 1:04:45
DET ¿ es el xxx ? 1:04:46
DET yo creo que sí 1:04:47
DET en fin 1:04:48
DET ok / entonces / así es que funciona / el / sistema 1:04:52
DET y con esto / quería / terminar 1:04:56
DET // quería decirles que yo pienso que la anotación automática / es / este [/] este [/] esta idea de traducción / es posible / especialmente para algunos conceptos 1:05:06
DET hay conceptos que / aunque interesen mucho / al ejército &amerita [/] americano son bastante difíciles de detectar 1:05:12
DET este / tenemos un / &eh = yo creo que / estos resultados / de estos conceptos se pueden utilizar / para mejorar / la busca de información / texto típica 1:05:24
DET y / este / hay una [/] un [/] una [/] una [/] un [/] unos pocos trabajos que están empezando a ver / la relación / entre los diferentes conceptos / en el momento del aprendizaje de los conceptos 1:05:35
DET o sea porque / si yo aprendo / y yo veo que tengo agua / bueno / y tengo un objeto / que puede ser que sea un barco / entonces / bueno / puedo adivinar que es un barco 1:05:43
DET entonces tratar de / utilizar este hecho que tenemos la relación 1:05:46
DET nosotros tenemos algunos trabajos también sobre eso / ¿no? 1:05:49
DET ¿ok? 1:05:50
DET yo creo que esto puede mejorar / la búsqueda de información / texto -> classic 1:05:56
DET y / claro / y eso ya funciona hoy en día / con conceptos bastante simples / para / que [/] que podemos / &eh [///] tipo color / y caras / y bueno 1:06:06
DET ustedes lo pueden ver en [/] en internet / ¿no? 1:06:08
DET hay ejemplos / hay / compañías que funcionan con eso 1:06:11
DET ok / yo creo que / este [/] yo &piens [///] espero que los convencí 1:06:16
DET si ustedes son la gente que trabaja en texto espero que los convencí que / texto no es lo único 1:06:22
DET o sea / no es la única solución / que existe 1:06:24
DET bueno / claro / si hay texto / yo soy el primero que utilizaría texto 1:06:30
DET pero si no hay / habrá que ver / cómo hacer / para mejorar los resultados 1:06:34
DET y yo pienso que el [/] la investigación sobre el tema de la busca de información texto / no en la parte de / procesamiento del lenguaje natural / pero sino en la búsqueda texto clásica / con keywords 1:06:46
DET yo creo que ha llegado un xxx / ya se consiguen resultados básicamente / las diferencias son pequeñas entre los diferentes sistemas 1:06:52
DET y pienso que hay que empezar a ver cosas / alrededor 1:06:55
DET &eh / yo pienso que hay ver cosas alrededor / el contexto / un poco cómo se hace la personalización / el utilizador y tal y hay que ver un poco alrededor / de la misma manera que yo trato de ver las imágenes y la media también se puede ver el utilizador / y las cosas que están alrededor 1:07:09
DET ok / entonces yo con esto quería terminar 1:07:12
DET y para los que querían saber / de qué cuadro se [/] se [/] qué cuadro era / el cuadro era de / Correggio 1:07:20
DET &eh / mil cuatrocientos noventa 1:07:22
DET es el Mystic Marriage of Saint Catherine 1:07:25
DET está en el Louvre / claro 1:07:25
DET los experimentos los hicimos en el Louvre / eso sí lo hubiesen podido adivinar 1:07:28
DET y / &eh / pertenece a un grupo de la Madonna Painting / donde Correggio participaba / donde representaba / el ideal femenino 1:07:38
DET gracias por su atención 1:07:40
