Scene classifier for real time road detection

L’objectiu principal del projecte és el de classificar escenes de carretera en funció del contingut de les imatges per així poder fer un desglossament sobre quin tipus de situació tenim en el moment. És important que fixem els paràmetres necessaris en funció de l’escenari en què ens trobem per tal de treure el màxim rendiment possible a cada un dels algoritmes. La seva funcionalitat doncs, ha de ser la d’avís i suport davant els diferents escenaris de conducció. És a dir, el resultat final ha de contenir un algoritme o aplicació capaç de classificar les imatges d’entrada en diferents tipus amb la màxima eficiència espacial i temporal possible. L’algoritme haurà de classificar les imatges en diferents escenaris. Els algoritmes hauran de ser parametritzables i fàcilment manejables per l’usuari. L’eina utilitzada per aconseguir aquests objectius serà el MATLAB amb les toolboxs de visió i xarxes neuronals instal·lades.

Scene Classification Using a Hybrid Generative/Discriminative Approach

We investigate whether dimensionality reduction using a latent generative model is beneficial for the task of weakly supervised scene classification. In detail, we are given a set of labeled images of scenes (for example, coast, forest, city, river, etc.), and our objective is to classify a new image into one of these categories. Our approach consists of first discovering latent ";topics"; using probabilistic Latent Semantic Analysis (pLSA), a generative model from the statistical text literature here applied to a bag of visual words representation for each image, and subsequently, training a multiway classifier on the topic distribution vector for each image. We compare this approach to that of representing each image by a bag of visual words vector directly and training a multiway classifier on these vectors. To this end, we introduce a novel vocabulary using dense color SIFT descriptors and then investigate the classification performance under changes in the size of the visual vocabulary, the number of latent topics learned, and the type of discriminative classifier used (k-nearest neighbor or SVM). We achieve superior classification performance to recent publications that have used a bag of visual word representation, in all cases, using the authors' own data sets and testing protocols. We also investigate the gain in adding spatial information. We show applications to image retrieval with relevance feedback and to scene classification in videos

Object and Scene Classification: what does a Supervised Approach Provide us?

Given a set of images of scenes containing different object categories (e.g. grass, roads) our objective is to discover these objects in each image, and to use this object occurrences to perform a scene classification (e.g. beach scene, mountain scene). We achieve this by using a supervised learning algorithm able to learn with few images to facilitate the user task. We use a probabilistic model to recognise the objects and further we classify the scene based on their object occurrences. Experimental results are shown and evaluated to prove the validity of our proposal. Object recognition performance is compared to the approaches of He et al. (2004) and Marti et al. (2001) using their own datasets. Furthermore an unsupervised method is implemented in order to evaluate the advantages and disadvantages of our supervised classification approach versus an unsupervised one

Spontaneous Speech and Emotional Response modeling based on One-class classifier oriented to Alzheimer Disease diagnosis

The purpose of our project is to contribute to earlier diagnosis of AD and better estimates of its severity by using automatic analysis performed through new biomarkers extracted from non-invasive intelligent methods. The methods selected in this case are speech biomarkers oriented to Sponta-neous Speech and Emotional Response Analysis. Thus the main goal of the present work is feature search in Spontaneous Speech oriented to pre-clinical evaluation for the definition of test for AD diagnosis by One-class classifier. One-class classifi-cation problem differs from multi-class classifier in one essen-tial aspect. In one-class classification it is assumed that only information of one of the classes, the target class, is available. In this work we explore the problem of imbalanced datasets that is particularly crucial in applications where the goal is to maximize recognition of the minority class as in medical diag-nosis. The use of information about outlier and Fractal Dimen-sion features improves the system performance.

Classifier combination for in vivo magnetic resonance spectra of brain tumours

Peer-reviewed

Classifier combination for in vivo magnetic resonance spectra of brain tumours

In this paper we present a multi-stage classifier for magnetic resonance spectra of human brain tumours which is being developed as part of a decision support system for radiologists. The basic idea is to decompose a complex classification scheme into a sequence of classifiers, each specialising in different classes of tumours and trying to reproducepart of the WHO classification hierarchy. Each stage uses a particular set of classification features, which are selected using a combination of classical statistical analysis, splitting performance and previous knowledge.Classifiers with different behaviour are combined using a simple voting scheme in order to extract different error patterns: LDA, decision trees and the k-NN classifier. A special label named "unknown¿ is used when the outcomes of the different classifiers disagree. Cascading is alsoused to incorporate class distances computed using LDA into decision trees. Both cascading and voting are effective tools to improve classification accuracy. Experiments also show that it is possible to extract useful information from the classification process itself in order to helpusers (clinicians and radiologists) to make more accurate predictions and reduce the number of possible classification mistakes.

Shared feature extraction for nearest neighbor face recognition

In this paper, we propose a new supervised linearfeature extraction technique for multiclass classification problemsthat is specially suited to the nearest neighbor classifier (NN).The problem of finding the optimal linear projection matrix isdefined as a classification problem and the Adaboost algorithmis used to compute it in an iterative way. This strategy allowsthe introduction of a multitask learning (MTL) criterion in themethod and results in a solution that makes no assumptions aboutthe data distribution and that is specially appropriated to solvethe small sample size problem. The performance of the methodis illustrated by an application to the face recognition problem.The experiments show that the representation obtained followingthe multitask approach improves the classic feature extractionalgorithms when using the NN classifier, especially when we havea few examples from each class

A Sparse Bayesian Approach for Joint Feature Selection and Classifier Learning

Peer-reviewed

Supervised regionalization methods: A survey

This paper reviews almost four decades of contributions on the subject of supervised regionalization methods. These methods aggregate a set of areas into a predefined number of spatially contiguous regions while optimizing certain aggregation criteria. The authors present a taxonomic scheme that classifies a wide range of regionalization methods into eight groups, based on the strategy applied for satisfying the spatial contiguity constraint. The paper concludes by providing a qualitative comparison of these groups in terms of a set of certain characteristics, and by suggesting future lines of research for extending and improving these methods.

Supervised regionalization methods: A survey

This paper reviews almost four decades of contributions on the subject of supervised regionalization methods. These methods aggregate a set of areas into a predefined number of spatially contiguous regions while optimizing certain aggregation criteria. The authors present a taxonomic scheme that classifies a wide range of regionalization methods into eight groups, based on the strategy applied for satisfying the spatial contiguity constraint. The paper concludes by providing a qualitative comparison of these groups in terms of a set of certain characteristics, and by suggesting future lines of research for extending and improving these methods.

Combining classification techniques to define topo-climatic landscapes

Landscape classification tackles issues related to the representation and analysis of continuous and variable ecological data. In this study, a methodology is created in order to define topo-climatic landscapes (TCL) in the north-west of Catalonia (north-east of the Iberian Peninsula). TCLs relate the ecological behaviour of a landscape in terms of topography, physiognomy and climate, which compound the main drivers of an ecosystem. Selected variables are derived from different sources such as remote sensing and climatic atlas. The proposed methodology combines unsupervised interative cluster classification with a supervised fuzzy classification. As a result, 28 TCLs have been found for the study area which may be differentiated in terms of vegetation physiognomy and vegetation altitudinal range type. Furthermore a hierarchy among TCLs is set, enabling the merging of clusters and allowing for changes of scale. Through the topo-climatic landscape map, managers may identify patches with similar environmental conditions and asses at the same time the uncertainty involved.

Intestinal content detection in capsule endoscopy using robust features

This work covers two aspects. First, it generally compares and summarizes the similarities and differences of state of the art feature detector and descriptor and second it presents a novel approach of detecting intestinal content (in particular bubbles) in capsule endoscopy images. Feature detectors and descriptors providing invariance to change of perspective, scale, signal-noise-ratio and lighting conditions are important and interesting topics in current research and the number of possible applications seems to be numberless. After analysing a selection of in the literature presented approaches, this work investigates in their suitability for applications information extraction in capsule endoscopy images. Eventually, a very good performing detector of intestinal content in capsule endoscopy images is presented. A accurate detection of intestinal content is crucial for all kinds of machine learning approaches and other analysis on capsule endoscopy studies because they occlude the field of view of the capsule camera and therefore those frames need to be excluded from analysis. As a so called “byproduct” of this investigation a graphical user interface supported Feature Analysis Tool is presented to execute and compare the discussed feature detectors and descriptor on arbitrary images, with configurable parameters and visualized their output. As well the presented bubble classifier is part of this tool and if a ground truth is available (or can also be generated using this tool) a detailed visualization of the validation result will be performed.

Els horts urbans a la ciutat de Barcelona: les experiències d'horts urbans comunitaris com a formes d'intervenció social i ambiental

Aquest estudi presenta la situació actual dels horts urbans (i periurbans) a la ciutat de Barcelona, els quals s'han classificat segons el tipus d'organització desenvolupada a cada projecte. Així, podem trobar horts de gestió: a) individual i autogestionada; b) comunitària i autogestionada; c) individual i supervisada, i d) comunitària i supervisada. Els horts urbans es presenten, en general, com una eina interessant en la millora de la sostenibilitat urbana. A més de tenir una clara funció d'entreteniment, són propostes que consideren la internalització a les ciutats de la producció de part dels aliments que s'hi consumeixen i alhora aprofiten part dels residus que s'hi produeixen. En particular, els horts urbans comunitaris i autogestionats – el centre d'aquest estudi – es plantegen com espais de participació i autogestió d'acord a la complexitat del context local, d'integració social a través de noves formes de relació i de creació, d'educació ambiental i de transmissió i intercanvi de coneixements inter-generacional. A més, es presenten com una alternativa d'organització realment participativa del territori urbà. Finalment, i d'acord amb l'anterior, es destaquen un conjunt de característiques dels projectes d'horts urbans comunitaris, que juguen un rol fonamental en la capacitat d'aquests per intervenir en aspectes socials i ambientals de la ciutat; característiques que s'haurien de tenir en compte a l'hora de promocionar i implementar projectes d'horts urbans de qualsevol tipus.

lntroducció de tècniques d'aprenentatge col·laboratiu en I'àmbit de bases de dades amb el suport de les tecnologies de la informació

Els canvi recents en els plans d’estudis de la UPC i la UOC tenen en compte el nou espai europeu d’educació superior (EEES). Una de les conseqüències directes a aquests canvis es la necessitat d'aprofitar i optimitzar el temps dedicat a les activitats d'aprenentatge que requereixen la participació activa de l’estudiant i que es realitzen de manera continuada durant el semestre. A més, I'EEES destaca la importància de les pràctiques, les relacions interpersonals i la capacitat per treballar en equip, suggerint la reducció de classes magistrals i l’augment d’activitats que fomentin tant el treball personal de l’estudiant com el cooperatiu. En l’àmbit de la docència informàtica d’assignatures de bases de dades el problema és especialment complex degut a que els enunciats de les proves no acostumen a tenir una solució única. Nosaltres hem desenvolupat una eina anomenada LEARN-SQL, l’objectiu de la qual és corregir automàticament qualsevol tipus de sentència SQL (consultes, actualitzacions, procediments emmagatzemats, disparadors, etc.) i discernir si la resposta aportada per l’estudiant és o no és correcta amb independència de la solució concreta que aquest proposi. D’aquesta manera potenciem l’autoaprenentatge i l’autoavaluació, fent possible la semi-presencialitat supervisada i facilitant l’aprenentatge individualitzat segons les necessitats de cada estudiant. Addicionalment, aquesta eina ajuda als professors a dissenyar les proves d’avaluació, permetent també la opció de revisar qualitativament les solucions aportades pels estudiants. Per últim, el sistema proporciona ajuda als estudiants per a que aprenguin dels seus propis errors, proporcionant retroalimentació de qualitat.

Taxes de reincidència 2009 de justícia juvenil: actualització de la taxa de reincidència dels joves sotmesos a mesures de llibertat vigilada i internament en centre

Taxes de reincidència 2009 de justícia juvenil: actualització de la taxa de reincidència dels joves sotmesos a mesures de llibertat vigilada i internament en centre L’estudi actualitza les taxes de reincidència dels menors sotmesos a una mesura d’internament o de llibertat vigilada que van ser publicades a la recerca “La reincidència en el delicte en la justícia de menors” finalitzada l’any 2005 i que van iniciar la sèrie. Aquest estudi ja és el cinquè del mateix tipus i, en aquest cas, segueix els joves que van finalitzar una mesura de llibertat vigilada o d’internament l’any 2006, i els segueix fins el 31 de desembre de 2009 amb l’objectiu de saber si han comès un nou delicte que hagi estat detectat per la Xarxa d’execució penal, tant de joves com d’adults. S’ha estudiat tota la població de joves desinternats de centres, que per l’any 2006 foren 169 subjectes. En el cas de llibertat vigilada del total de joves que finalitzaren mesura l’any 2006 (N=1.017), s’ha fet una mostra de 525 subjectes (interval de confiança:95,5%; marge d’error ±3,04; p=q=50) Els resultats en llibertat vigilada apunten a un augment en la taxa de reincidència (28,8%) aquest darrer any. Aquest augment s’explica en part per la incorporació al Codi Penal dels delictes de trànsit, on els joves han fet un creixement espectacular que no hi era als anys anteriors. En canvi, en internament la taxa de reincidència ha baixat 12 punts respecte l’any anterior i és la més baixa de totes les recollides en les series fetes fins ara (50,3%). L’estudi permet comparar de forma seriada ja cinc anys d’evolució de la taxa de reincidència juvenil després de la posada en marxa de la Llei Orgànica 5/2000, de 12 de gener, reguladora de la responsabilitat penal dels menors (LORPM). Updated recidivism rates of juveniles after serving supervised freedom or custodial sentences (2009) The study updates juvenile recidivism rates in Catalonia (following an annual series that has been published during the last 4 years). The sample is compounded by juveniles after serving a penal measure (supervised freedom or custodial sentences). In this case, the young population (14-18 years old) that finished a penal measure in 2006 was followed until December 31, 2009. The results show an increasing rate of recidivism in the case of youngsters submitted to the community measure called supervised freedom (28.8%), while recidivism related to custodial sentences decrease 12 points (50.3%) Tasas de reincidencia 2009 de justicia juvenil. Actualización de la tasa de reincidencia de los jóvenes sometidos a medidas de libertad vigilada e internamiento en centro El estudio actualiza por cuarto año las tasas de reincidencia juvenil en las medidas de libertad vigilada e internamiento en Catalunya. En este caso se ha estudiado a la población que finalizó una medida el año 2006 y se les ha seguido hasta el 31 de diciembre de 2009. Los resultados nos dicen que aumenta la tasa de reincidencia de libertad vigilada (28,8%) y desciende de manera significativa en 12 puntos la de internamiento (50,3%)