Santiago Gonz\u00e1lez Medell\u00edn
\nPRAXIS, Gerencia de Inteligencia Artificial<\/p>\n
Machine Learning es el \u00e1rea de Inteligencia Artificial con m\u00e1s auge hoy en d\u00eda, con estas herramientas se puede realizar an\u00e1lisis de todo tipo de datos como tablas en bases de datos, se\u00f1ales de audio, im\u00e1genes o video. Una de las aplicaciones que m\u00e1s utilidad ha tenido es el reconocimiento \u00f3ptico de caracteres u OCR (Optical Character Recognition) por sus siglas en ingl\u00e9s. Esta aplicaci\u00f3n permite identificar en una imagen el s\u00edmbolo de un alfabeto definido. Esto es posible con t\u00e9cnicas de procesamiento digital de im\u00e1genes,\u00a0 Machine Learning y Deep Learning.<\/p>\n
Realizar un OCR no es nada trivial, hay que tener muchas cosas en consideraci\u00f3n puesto que los datos con los que trabajamos son im\u00e1genes. Primero, se requiere una base de datos con la cual podamos entrenar un modelo de Machine Learning, para el caso de d\u00edgitos a mano alzada, por ejemplo, una de las m\u00e1s usadas es MNIST, que contiene una base de datos de 60,000 ejemplos para entrenamiento y 10,000 ejemplos para pruebas.<\/p>\n
Los datos que se recolectan no siempre tienen la mejor calidad, pueden tener ruido, estar mal enfocadas, o simplemente no tienen la informaci\u00f3n suficiente para entrenar un modelo. Para transformar las im\u00e1genes se utilizan t\u00e9cnicas de procesamiento de im\u00e1genes. En estas t\u00e9cnicas se aplican filtros que nos permiten resaltar caracter\u00edsticas de la imagen como pueden ser bordes o cambios de intensidad de color, tambi\u00e9n se puede manipular la imagen en diferentes espacios de colores (como RGB o CMYK) para resaltar solamente los canales de inter\u00e9s. Todas estas herramientas son utilizadas para limpiar las im\u00e1genes con las que posteriormente se entrenar\u00e1 nuestro modelo.<\/p>\n
En la fase de experimentaci\u00f3n de modelos se exploran diferentes alternativas que nos permitan clasificar una imagen en una categor\u00eda de entre varias disponibles. En los OCRs las categor\u00edas (clases) son el conjunto de s\u00edmbolos a los que se van a mapear nuestras im\u00e1genes, dependiendo de la aplicaci\u00f3n podemos clasificar las im\u00e1genes en solo letras, letras y n\u00fameros, may\u00fasculas, un subconjunto de inter\u00e9s, etc. Algunos de los modelos que se utilizan para estas tareas, m\u00e1quinas de soporte vectorial, redes neuronales convolucionales, redes neuronales recurrentes, redes generativas adversarias, etc. Cada uno de estos modelos tiene su manera de entrenar y sus propios par\u00e1metros los cuales hay que ajustar para obtener el modelo con el mejor desempe\u00f1o. El entrenamiento de estos modelos requiere de un poder computacional muy grande por lo que se recomienda utilizar un equipo de c\u00f3mputo con GPU o TPU que son tarjetas especializadas en operaciones matriciales y que pueden acelerar el tiempo de procesamiento.<\/p>\n