Redes neuronales paralelas aplicadas a la visión computacional

Abstract

La capacidad de permitir que una computadora reconozca en una imagen los objetos, ambiente y posición en el espacio fue el inicio de la visión computacional, un área dentro de la inteligencia artificial. Al utilizar el modelo de redes neuronales en este campo, se consiguen resultados en diversas ramas de la ciencia. Por ejemplo, diagnóstico de ciertas patologías en imágenes provenientes de ecografías o resonancia magnética; realizar vigilancia, reconocimiento dactilar y ocular como mecanismos de seguridad; entre otras tantas aplicaciones. Pero estructurar una red neuronal no es tarea sencilla, pues para conseguir que funcione y aprenda adecuadamente se requiere de un conjunto de datos de entrada que deberá analizar cierta cantidad de veces hasta producir una salida coherente con los datos ingresados. Esto implica la necesidad de una velocidad de cómputo enorme para que sea capaz de aprender en un período de tiempo razonable. Además, si el tamaño de la red es mucho mayor, los datos de entrada aumentan en cantidad y se complejiza el aprendizaje de la misma, lo que infiere en un aumento considerable de tiempo. Los procesadores actuales no brindan la velocidad suficiente y es aquí donde la programación paralela se presenta como una solución alternativa.