22-I

Seminario: “Detección de suplantación de voz utilizando algoritmos basados en inteligencia artificial”

22-I

Fecha: 24 de marzo de 2022 a las 11:00 hrs
Presenta: Carlos Alberto Hernández Nava
Afiliación: Alumno del DCyTI
Asesores: Dr. Pedro Lara Velázquez y Dr. Eric Alfredo Rincón Garcí­a

Resumen:

En este proyecto se desarrolla un modelo capaz de detectar ataques de suplantación de voz. Se utilizó la base de datos del desafío ASVspoof 2017 V2, en la cual se pueden encontrar este tipo de ataques. Para llevar a cabo esta tarea, es necesario primero realizar un preprocesamiento de los audios, es decir, extraer las características del audio, entre los métodos más conocidos se encuentran MFCC, CQCC, LFCC y los espectrogramas. Se decidió utilizar los espectrogramas obtenidos de los audios como principal herramienta de análisis, para posteriormente ser utilizados en un modelo basado en CNN (Convolutional Neural Networks), el modelo obtiene sólo dos posibles resultados, genuino o falso. Los resultados indican que esta estrategia tiene un buen desempeño.

Seminario: “Comunicar y coordinar múltiples robots en misiones críticas de búsqueda y rescate”

22-I

Fecha: 17 de marzo de 2022 a las 11:30 hrs
Presenta: Magali Cortés Vázquez
Afiliación: Alumna del DCyTI
Asesores: Dr. Enrique Rodrí­guez de la Colina y Dr. Ricardo Marcelí­n Jiménez

Resumen:

Las ventajas que conlleva realizar una tarea por múltiples robots ha impulsado la investigación para resolver los retos que implica usarlos en aplicaciones tales como la búsqueda y rescate de personas. En estos casos, los robots deben interactuar entre ellos y con el ambiente, para ejecutar diversas tareas que los lleven a lograr el objetivo común de localizar personas en zonas de desastre. Para minimizar el tiempo de búsqueda y ampliar el rango de búsqueda, los robots deben coordinarse y mantenerse comunicados. Sin embargo, las características de las zonas de desastre dificultan o inhiben la comunicación de los robots degradando la coordinación de éstos, lo que motiva la investigación de esta tesis.

En esta presentación se muestran resultados de simulación y las principales conclusiones acerca del desempeño de un grupo de robots al explorar escenarios desconocidos, en donde la comunicación entre robots está limitada en función de la relación de pérdida de paquetes (PLR, packet loss ratio), usando tres estrategias de exploración basadas en el algoritmo de optimización PSO (particule swarm optimizatión).

Seminario: “Renderizado paralelo de imágenes fotorrealistas usando métodos de Ray Tracing”

22-I

Fecha: 17 de marzo de 2022 a las 11:00 hrs
Presenta: Habersheel Acevedo Atenco
Afiliación: Alumno del DCyTI
Asesora: Dra. Graciela Román Alonso

Resumen:

El renderizado de imágenes fotorrealista es un algoritmo cuyo objetivo es el de producir una imagen, a partir de una escena abstracta, cuya calidad sea tal que no se la pueda diferenciar de una fotografía verdadera. El ray tracing es uno de estos algoritmos, del cual se desprenden métodos de renderizado más particulares, que se diferencian entre sí por la forma en que llevan a cabo los pasos del ray tracing: path tracing (PT), bidirectional path tracing (BDPT), stochastic progressive photon mapping (SPPM), por mencionar algunos.

Estos métodos de Ray Tracing conllevan ciertas desventajas, por ejemplo, el tiempo de procesamiento de todos ellos resulta muy alto, por esto se han propuesto sistemas paralelos con el fin de reducir estos tiempos. Sin embargo, la distribución del trabajo dentro del sistema paralelo debe hacerse de manera adecuada, o se corre el riesgo de no aprovechar el sistema paralelo de manera eficiente. En esta plática propondremos maneras de estimar el costo del renderizado de algunos métodos de ray tracing y los resultados que estas estimaciones tienen al usar esta información dentro de un sistema paralelo multiprocesador. Estas estimaciones tienen la particularidad de usar información de los materiales dentro de la escena, así como el uso de la FFT (Fast Fourier Transform), aproximaciones que han sido poco estudiadas hasta la fecha.

Otra complicación de los métodos de Ray Tracing es que determinar los parámetros sobre los que ejecutará los cálculos para llegar a una imagen fotorrealista no se pueden determinar con facilidad. La estimación que desarrollamos, tiene la particularidad de que puede usarse también para aproximar la “calidad” de la imagen con buenos resultados. Presentaremos también resultados de aplicar esta metodología, los cuales son contrastados con métodos tradicionales (Screen Space Adaptive Ray Tracing) mostrando la eficacia de nuestra aproximación.

Seminario: “Emergencia de propiedades de las redes complejas, inducida por reglas locales de recableado”

22-I

Fecha: 10 de marzo de 2022 a las 11:30 hrs
Presenta: Magali Alexander López Chavira
Afiliación: Alumna del DCyTI
Asesor: Dr. Ricardo Marcelí­n Jiménez

Resumen:

Un sistema complejo se puede ver como un conjunto de elementos individuales que pueden interactuar entre sí siguiendo reglas locales de comportamiento. El análisis de redes complejas surge como el estudio de los distintos tipos de topologías que emergen en dichos sistemas, representándolos como grafos. Existen algunos experimentos que proponen modelar la creación de una red compleja como un proceso dinámico que parte de un grafo inicial al que se asocia con un conjunto de reglas de agregación o crecimiento sencillas que permiten llevar al grafo hasta un punto en que su estructura soporta eficientemente una serie de funciones. En este trabajo se estudia, mediante técnicas de simulación de eventos discretos, cómo los nodos de un grafo inicial utilizan la información que recolectan como insumo para un algoritmo mediante el cual deciden reconectar sus enlaces con otros nodos que consideran pueden aportarles algún beneficio. Se investigan dos reglas alternativas que pueden usarse en el algoritmo. En todos los casos, el resultado final es un grafo cuyas propiedades coinciden con las de algún tipo de red compleja.

Video del seminario:

Seminario: “Detección temprana de incendios mediante flujos de video codificados con transformada DCT”

22-I

Fecha: 10 de marzo de 2022 a las 11:00 hrs
Presenta: Gilberto Gustavo Romero Hernández
Afiliación: Alumno del DCyTI
Asesor: Dr. Luis Martí­n Rojas Cárdenas

Resumen:

El humo translucido es uno de los primeros indicios de la ocurrencia de un incendio. Diversas técnicas han sido utilizadas para detectar este tipo de siniestros. Entre ellas, la detección de incendios mediante el uso de video representa una solución alternativa con respecto a los clásicos sensores de humo basados en la detección de partículas. La detección mediante el uso de video ofrece diversas ventajas, como son: la posibilidad de detección a distancias significativamente mayores, dar información sobre la ubicación de la fuente de combustión y sobre todo se puede aplicar en espacios abiertos. La mayor parte de trabajos propuestos en este terreno se centran en la utilización de video sin compresión haciendo uso de cámaras convencionales, en muchos casos, se recurre al uso de costosos métodos de transformación de dominio. En este trabajo de investigación se ha desarrollado un algoritmo que detecta humo translucido gracias a la información contenida en el video comprimido, específicamente los coeficientes de la DCT (Discrete Cosine Transform). De esta forma se evita implementar el uso de procedimientos de transformación de dominio. Sin embargo, trabajar con este tipo de información trae como problema la falta de herramientas para efectuar, desde el dominio de la DCT, el análisis del contenido de las imágenes. Debido a esto, una parte importante del proyecto se destinó al desarrollo de herramientas para el análisis en el dominio frecuencial de ciertas propiedades de las imágenes como es la evaluación de la similitud, los cambios de contraste, la pérdida de información, etc. Es importante mencionar que existen en el dominio espacial una gran variedad de métodos desarrollados para evaluar la similitud entre imágenes como el ya conocido SSIM (Structural SIMilarity), sin embargo, estos métodos están destinados a emular el comportamiento del Sistema Visual Humano (SVH). A este respecto, no estamos interesados en cómo puede percibir el SVH la presencia de humo, sino que nos interesa evaluar los cambios de propiedades de las imágenes en presencia de humo desde una perspectiva más maquinal. El método que nosotros proponemos se basa en las herramientas desarrolladas sin que se tome en cuenta el SVH. Para dar un interés adicional a nuestro trabajo, nos propusimos lograr la detección de humo translucido con lentes de 360°, lo cual permite a una sola cámara analizar todo el entorno a su alrededor e incluso darnos información de la ubicación de fuente de combustión. Finalmente, debido al costo computacional de muchos métodos propuestos, el tamaño de las imágenes se revela como un gran problema, razón por la cual muchos de ellos solo trabajan con imágenes de pequeña talla. El método propuesto nos permite procesar imágenes de 2248×2248 pixeles distorsionadas, tanto por la lente de 360°, como por los algoritmos de compresión de la cámara.

Video del seminario: