22/11/2018 Sistema inteligente de tipo TLD (Track, Learn and Detect) para plataforma móvil de última generación: Implementación  y comparativa de su rendimiento frente a un sistema Desktop Que para obtener el grado de Maestro en Tecnologías de Información Presentará Ing. Alfredo Oceguera Carrillo

Planteamiento de problema 22/11/2018 ¿De qué manera, la inclusión de unidades de procesamiento de gráficos en los dispositivos móviles de última generación, puede ayudar al desempeño de los sistemas inteligentes TLD (Track, Learn and Detect) aplicados en plataformas con ésta característica?

justificación 22/11/2018 ¿Qué pasaría, si una aplicación desarrollada para una plataforma tradicional fuese ejecutada en una plataforma móvil que cuenta con un recurso especifico, y que para el ambiente tradicional no es incluido aún, pero el ambiente de prueba si cuenta con él? Establecer un marco de referencia entre una plataforma móvil de última generación y un sistema desktop tradicional al ejecutar el mismo algoritmo inteligente el cual requiere de demasiados recursos, entradas, salidas y procesamiento

justificación 22/11/2018 Ejecutar e implementar un algoritmo inteligente de tipo TLD (Track, Learn and Detect), tanto en ambientes tradicionales como móviles, teniendo como única diferencia la inclusión de una Unidad de Procesamiento de Gráficos (GPU) en la plataforma móvil

justificación 22/11/2018 La comparativa que se propone, establecerá una base para determinar qué tan útil puede llegar a ser la inclusión de un GPU en un dispositivo móvil, sin sacrificar el performance de la aplicación TLD implementada en el móvil

Resumen 22/11/2018 La aplicación “PREDATOR” (2011) realizada por Zdenek Kalal 1 , Krystian Mikolajczyk 1 y Jiri Matas 2 durante su estancia en University of Surrey, UK.(1) Czech Technical University, Czech Republic (2), es un sistema inteligente que rastrea un patrón de imagen estipulado utilizando un dispositivo capturador (cámara), aprendiendo la figura requerida y detectándola en donde ésta vuelva a presentarse, todo esto en tiempo real. Este algoritmo es denominado TLD (Track, Learn and Detect). Según sus características de especificación, esta aplicación fue construida en las plataformas C y MatLab y no utiliza un GPU para sus fines

Resumen CPU Intel Atom Processor (Saltwell) @ 2.0Ghz (Single Core) 22/11/2018 Móvil (Motorola XT890 “razr i”) CPU Intel Atom Processor (Saltwell) @ 2.0Ghz (Single Core) GPU PowerVR SGX 540 Memoria Interna 8Gb expandible 32Gb SD Sistema Operativo Android 4.1.x o posteriores (Jelly beans) Pantalla Táctil capacitiva 4.3-in. Super AMOLED Advanced qHD (540 x 960)

Resumen 22/11/2018 PREDATOR Algoritmo TLD (Track, Learn and Detect) Un objeto a la vez El video proviene de una cámara de lente único El objeto a rastrear es definido dentro del stream de video Identifica al objeto referencia y su ubicación Matlab y Lenguaje C, un solo hilo de proceso sin uso de GPU. El stream de video proceso en tiempo real utilizando resoluciones de tipo QVGA El módulo de entrenamiento, no trabaja de manera offline Ambientes Windows, Linux y Mac OS X

Cuadro de análisis de congruencia TITULO OBJETIVOS PREGUNTA HIPOTESIS VARIABLE NOTAS Sistema inteligente de tipo TLD (Track, Learn and Detect) para plataforma móvil de última generación: Implementación  y comparativa de su rendimiento frente a un sistema Desktop   Obtener los parámetros de comparación que permitan establecer diferencias o similitudes entre plataformas diferentes (tradicional y móvil) al ejecutar una aplicación de alto nivel de desempeño y exigencia para el sistema, así como sus resultados al ser contrapuestos ¿De qué manera, la inclusión de unidades de procesamiento de gráficos en los dispositivos móviles de última generación, puede ayudar al desempeño de los sistemas inteligentes TLD (Track, Learn and Detect) aplicados en plataformas con ésta característica? Las plataformas móviles no han presentado, hasta hoy, alguna mejoría que permitan asemejar su rendimiento al de una plataforma tradicional, sin embargo, la inclusión de co procesdores de gráficos (GPU) pueden ser esa mejora que permitirá a estos dispositivos, competir con las plataformas Desktop en rendimiento, desempeños, eficacia y eficiencia.  Desempeño de los recursos internos compartidos en las estructuras internas de las plataformas tanto tradicionales como móviles Esta es la pregunta central del estudio. 22/11/2018

metodología Este tipo de metodologías permiten al investigador, plantear una respuesta y por ende una solución a su problema planteado, mediante la recopilación y análisis de datos obtenido a lo largo del estudio. 22/11/2018 Al ser una parte medular de esta investigación la obtención de un marco de referencia que empate las diferencias y las similitudes entre la ejecución del algoritmo TLD en una plataforma tradicional y una plataforma móvil, es necesario establecer una metodología cuantitativa.

Cronograma 22/11/2018

Bibliografía 22/11/2018 http://personal.ee.surrey.ac.uk/Personal/Z.Kalal/tld.ht ml http://personal.ee.surrey.ac.uk/Personal/Z.Kalal/Publi cations/2011_ict_pioneers.pdf http://www.imgtec.com/downloadconfirmation.asp?Fa ctsheet=SGXSeries5&Title=POWERVR%20SGX%20S eries5%20Factsheet http://www.motorola.com.mx/consumers/Motorola- RAZR-i/184972,es_MX,pd.html?selectedTab=tab- 2&cgid=mobile-phones#tab http://personal.ee.surrey.ac.uk/Personal/Z.Kalal/ http://kahlan.eps.surrey.ac.uk/featurespace/tld/ http://www.android.com/whatsnew/