Red Neuronal de NIST Detecta Pequeñas Formas Geométricas en Imágenes Densas con 97% de Precisión

En esfuerzos por capturar automáticamente datos importantes de artículos científicos, científicos de computación del Instituto Nacional de Estándares y Tecnología (NIST) han desarrollado un método para detectar con precisión objetos geométricos pequeños, como triángulos, dentro de gráficos densos y de baja calidad contenidos en datos de imagen. Empleando un enfoque de red neuronal diseñado para detectar patrones, el modelo de NIST tiene muchas aplicaciones posibles en la vida moderna.

El modelo de red neuronal de NIST capturó el 97% de objetos en un conjunto definido de imágenes de prueba, localizando los centros de los objetos a unos pocos píxeles de ubicaciones seleccionadas manualmente. Los investigadores tomaron datos de artículos de revistas que datan de principios de 1900 en una base de datos de propiedades metálicas en el Centro de Investigación Termodinámica (TRC) de NIST. A menudo los resultados se presentaban solo en formato gráfico, a veces dibujados a mano y degradados por escaneo o fotocopiado. Los investigadores querían extraer las ubicaciones de puntos de datos para recuperar los datos originales en bruto para análisis adicional. Hasta ahora, tales datos se han extraído manualmente.

Las imágenes presentan puntos de datos con una variedad de marcadores diferentes, principalmente círculos, triángulos y cuadrados, tanto rellenos como abiertos, de tamaño y claridad variables. Tales marcadores geométricos se usan a menudo para etiquetar datos en un gráfico científico. Texto, números y otros símbolos, que pueden aparecer falsamente como puntos de datos, fueron removidos manualmente de un subconjunto de figuras con software de edición gráfica antes de entrenar las redes neuronales.

Detectar y localizar con precisión los marcadores de datos fue un desafío por varias razones. Los marcadores son inconsistentes en claridad y forma exacta; pueden ser abiertos o rellenos y a veces borrosos o distorsionados. Algunos círculos aparecen extremadamente circulares, por ejemplo, mientras que otros no tienen suficientes píxeles para definir completamente su forma. Además, muchas imágenes contienen parches muy densos de círculos, cuadrados y triángulos superpuestos.

Los investigadores buscaban crear un modelo de red que identificara puntos de trazado al menos tan precisamente como la detección manual — dentro de 5 píxeles de la ubicación real en un gráfico del tamaño de varios miles de píxeles por lado.

Los investigadores de NIST adoptaron una arquitectura de red originalmente desarrollada por investigadores alemanes para analizar imágenes biomédicas, llamada U-Net. Primero se contraen las dimensiones de la imagen para reducir información espacial, y luego se añaden capas de información de características y contexto para construir resultados precisos de alta resolución.

Para ayudar a entrenar la red a clasificar formas de marcadores y localizar sus centros, los investigadores experimentaron con cuatro formas de marcar los datos de entrenamiento con máscaras, usando marcados de centro de diferentes tamaños y contornos para cada objeto geométrico.

Los investigadores encontraron que agregar más información a las máscaras, como contornos más gruesos, aumentaba la precisión de clasificación de formas de objetos pero reducía la precisión de ubicar sus posiciones en los gráficos. Al final, los investigadores combinaron los mejores aspectos de varios modelos para obtener la mejor clasificación y los menores errores de ubicación. Alterar las máscaras resultó ser la mejor manera de mejorar el rendimiento de la red, más efectivo que otros enfoques como pequeños cambios al final de la red.

El mejor rendimiento de la red — una precisión del 97% en localizar centros de objetos — solo fue posible para un subconjunto de imágenes en las que los puntos de trazado fueron originalmente representados por círculos, triángulos y cuadrados muy claros. El rendimiento es lo suficientemente bueno para que el TRC use la red neuronal para recuperar datos de gráficos en artículos de revistas más nuevos.