Interpretación y visualización de características en texturas mediante Redes Neuronales Convolucionales

La textura es una característica relevante en muchos tipos de imágenes y su representación e identificación es uno de los problemas esenciales y más desafiantes del procesamiento digital de imágenes. Una región con una textura determinada tiene propiedades estadísticas específicas, repitiendo ciertos grupos de píxeles periódicamente con algún grado de variabilidad en su apariencia y posición relativa. Dentro de las redes basadas en aprendizaje profundo, las Redes Neuronales Convolucionales (CNN) han tomado enorme impulso en procesamiento de imágenes. Su potencial está en que, una vez entrenadas, contienen información que puede ampliar el campo de conocimiento sobre el problema bajo estudio, si se encuentran mecanismos adecuados para su análisis e interpretación. La visualización de características brinda un marco adecuado para esta tarea, generando imágenes que describen qué es lo que cada filtro describe. Con un enfoque adecuado, su análisis permite dar una interpretación de las características y extraer conocimiento. En este trabajo se presenta un enfoque para la interpretación de texturas a partir de visualización de características, utilizando CNN entrenadas con bases de datos de texturas. Los resultados indican que el enfoque propuesto permite identificar patrones/características descriptas por cada filtro, dando interpretación y significado, partiendo de términos asociados con textura, como rugosidad, ondulaciones, transiciones, bordes y formas geométricas.