

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Una introducción a las teorías de percepción visual, específicamente en el contexto de la reconocimiento de formas. Se abordan dos enfoques principales: modelos de rasgos y teorías estructurales. Los modelos de rasgos se basan en la idea de que todos los objetos están compuestos de partes diferenciadas llamadas rasgos, mientras que las teorías estructurales se centran en las relaciones espaciales entre las partes. Se incluyen ejemplos de teorías específicas como la de biederman y se discuten sus ventajas y limitaciones.
Tipo: Resúmenes
1 / 3
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!


Percepcion
Tema 1
5.1. Teorías de detección de rasgos
La idea clave de los modelos de rasgos es que todos los objetos están compuestos de partes diferenciadas denominadas rasgos. Los detectores de rasgos en el sistema visual de la rana parecen ser innatos. Por el contrario, parece que las personas debemos tener un aprendizaje perceptual, permitiéndonos crear nuevos rasgos visuales. Sin embargo, los modelos de rasgos son incompletos como teorías del reconocimiento de objetos. Estos modelos normalmente ignoran las relaciones espaciales entre los rasgos. Las descripciones de rasgos pueden incluir componentes espaciales, pero ignoran sus relaciones espaciales. Describir la T como una letra con un segmento horizontal (_) y un segmento vertical (|) no distingue entre una T y un +. Los modelos de rasgos se enfrentan con el denominado problema de anagrama;
5.2. Teorías estructurales
Las teorías de descripción estructural se centran explícitamente en las relaciones espaciales. Las descripciones estructurales incluyen rasgos que describen partes de objetos y relaciones espaciales que describen cómo se conectan las partes. Una ventaja principal de estas teorías es que son capaces de dar cuenta de cómo podemos reconocer un gran número de objetos sin tener que asumir que conocemos un gran número de rasgos. Un ejemplo es la teoría de reconocimiento por componentes de Biederman (1987) de reconocimiento de objetos. Sugiere que nuestras representaciones de objetos están basadas en 36 formas básicas denominadas geones. Los geones son formas tridimensionales simples como cilindros, conos y bloques. Las descripciones estructurales de objetos complejos se construyen a partir de estos componentes utilizando relaciones espaciales. Así, un pequeño número de geones combinados con relaciones espaciales pueden ser utilizados para describir millones de objetos diferentes. Biederman argumentaba que las formas básicas de los geones pueden ser reconocidas basadas en relaciones ’no accidentales’ entre los contornos en la imagen para determinar la descomposición de las partes. Otras claves o propiedades no accidentales incluyen continuación suave, coterminación y tipos de simetría. La idea es que algunos patrones son mejores predictores que otros y que el sistema visual sintoniza con estos aspectos informativos de las escenas. De cualquier modo, la teoría también tiene limitaciones. Por un lado, la descomposición de un objeto en geones puede no ser lo suficientemente refinada para distinguir entre objetos que tienen más o menos las mismas partes (e.g., perro vs. lobo o gato). Por otro lado, algunos objetos (e.g., un trozo de pan) son difíciles de descomponer en partes que caracterizan al objeto y que son aplicables a una variedad de otros objetos. Dos tipos de evidencia son necesarias para una teoría de descripción estructural: (i) debe haber evidencia que los objetos se descomponen en componentes, y especificar más el tipo de componente; (ii) que estos componentes se combinan utilizando relaciones.
5.3. Emparejamiento de plantilla y alineamiento
El enfoque de emparejamiento de plantilla asume que las representaciones de imágenes son realmente muestras bi-dimensionales de elementos de la imagen (o pixeles). Los escáneres ópticos que utilizan los bancos para leer números de cuenta de los cheques utilizan este tipo de emparejamiento de plantilla. Se asume que el reconocimiento de objeto consiste en dos estadios: (i) utilizando un conjunto de transformaciones para alinear el objeto presentado con las plantillas de objeto o modelos almacenados en memoria; (ii) buscar a través de estos modelos para encontrar el ‘mejor emparejamiento’ La idea es que los objetos pueden ser representados utilizando múltiples descripciones que corresponden a ver un objeto desde diferentes perspectivas. Una virtud de los modelos de plantillas es que las representaciones de objeto pueden ser emparejadas basadas en las propiedades de las mismas imágenes.
En resumen, los enfoques que hemos visto no son mutuamente exclusivos. La teoría de reconocimiento de componentes de Biederman emplea rasgos para construir geones, y los geones pueden ser vistos como rasgos de alto nivel. Similarmente, el enfoque de alineamiento de Ullman reside en rasgos al segmentar objetos y recoge puntos para alinear. En efecto, existe alguna razón para creer que el sistema visual utiliza ambos tipos de representaciones y puede incluso implementar estas teorías en diferentes hemisferios del cerebro.
6. Niveles y la integración de información en efectos de contexto perceptuales
El procesamiento que comienza con información de bajo nivel y llega a información de alto nivel se denomina procesamiento de abajo-arriba. Existen también influencias arriba-abajo en percepción, donde el contexto influye cómo se perciben las cosas
6.1. El efecto de superioridad de palabra
Reicher encontró que las personas eran más exactas al identificar la letra que aparecía si la cadena de letras formaba una palabra que si formaba una no-palabra. Este fenómeno puede ser explicado utilizando una modelo conexionista empleando activación interactiva El modelo contiene 3 niveles: el nivel de rasgos, el nivel de letras y el nivel de palabras. En cada nivel, existen nodos para rasgos particulares, letras o palabras. Los nodos tienen niveles de activación. La activación de un nodo corresponde a la extensión en la que el sistema cree que el ítem de ese nodo está presente. Hay también conexiones entre los nodos. Las conexiones pueden ser excitatorias , en cuyo caso cuando un nodo está altamente activo, incrementa la activación del nodo con el que está conectado. Las conexiones también pueden ser inhibitorias , en cuyo caso cuando un nodo está altamente activo, reduce el nivel de activación del nodo con el que está conectado. En el modelo de activación interactiva, los nodos del nivel de rasgos tienen conexiones excitatorias con los nodos del nivel de palabra que son consistentes con la presencia de este rasgo. Así, cuando un rasgo diagonal se presenta (y así está activo) hace más activo el nodo de la letra R, pero menos activo el nodo de la letra L. Finalmente, la activación fluye a lo largo de las conexiones en ambas direcciones. En este modelo el