Usuario:
Modelo Conceptual
Descripción
Modelo D6.1 - Tracking Multipartícula 3D de Enjambres
El modelo conceptual busca comprender los mecanismos que dan origen a un comportamiento, y describirlos de la forma más simple posible. Para eso, el comportamiento se segmenta en temas (grupos): cada uno identifica los objetos o variables que participan —tanto en su funcionamiento normal como en sus posibles anomalías o desviaciones— y describe, mediante verbos, la forma en que esos objetos interactúan entre sí. El resultado es lo que llamamos una red semántica: la estructura con la que representamos y comunicamos el modelo conceptual, antes de introducir ecuación alguna.
ID:2128
Estructura de los Grupos
Descripción
El primer paso consiste en analizar la descripción general del modelo e identificar los distintos aspectos que intervienen en el fenómeno y que deben ser representados. Cada uno de estos aspectos se organiza como un grupo, entendido como una unidad conceptual coherente que describe una parte específica del funcionamiento del modelo.
Cada grupo reúne los objetos o conceptos relevantes para ese aspecto y las relaciones o verbos que describen cómo interactúan, se modifican o dependen unos de otros. De esta manera, cada grupo constituye una parte de la red semántica del modelo, mientras que el conjunto de los grupos permite representar de forma estructurada su funcionamiento global.
La división en grupos facilita además separar mecanismos, condiciones, procesos y resultados que cumplen funciones diferentes dentro del modelo, manteniendo al mismo tiempo las relaciones que existen entre ellos. Los grupos no son, por tanto, componentes aislados: pueden compartir conceptos y establecer relaciones entre sí, formando conjuntamente una única representación semántica del fenómeno.
La imagen anterior ofrece una visión general de los distintos aspectos en que se ha estructurado el modelo. A continuación se presentan los grupos identificados, indicando para cada uno su título y una breve descripción del aspecto del modelo que representa.
Grupo 1: Grupo 1: Adquisición multicámara y detección
Cómo las cámaras producen detecciones 2D simultáneas y con qué error.
Grupo 2: Grupo 2: Reconstrucción tridimensional
Cómo las detecciones 2D y la geometría de cámaras determinan posiciones 3D.
Grupo 3: Grupo 3: Predicción y asignación temporal
Cómo se preserva la identidad entre fotogramas mediante predicción y algoritmo húngaro.
Grupo 4: Grupo 4: Densidad y dificultad de desambiguación
Cómo la densidad local y la superposición elevan la ambigüedad y la necesidad multicámara.
Grupo 5: Grupo 5: Vecindad y radio de interacción
Cómo el radio seleccionado determina vecinos y el compromiso entre potencia estadística e inclusión espuria.
Grupo 6: Grupo 6: Estadística colectiva
Cómo las trayectorias simultáneas alimentan estadísticas colectivas del enjambre.
Grupo 7: Grupo 7: Propagación de incertidumbre 3D
Cómo el error 2D y la geometría de cámaras se propagan a las trayectorias 3D.
ID:1213
Grupo 1: Grupo 1: Adquisición multicámara y detección
Descripción
Cómo las cámaras producen detecciones 2D simultáneas y con qué error.
Pregunta clave: Cómo las cámaras producen detecciones 2D simultáneas y con qué error.
Cómo las cámaras producen detecciones 2D simultáneas y con qué error. Por eso este modelo, con esta trayectoria de cada individuo dentro de un enjambre reconstituida de manera simultánea con la que se abrió, hace que esta misma incertidumbre tridimensional final sobre cada trayectoria se propague, en consecuencia, tanto desde este mismo error final de localización bidimensional de cada partícula como desde la propia geometría final de todo este mismo sistema de cámaras. Que este sistema de cámaras de este tracking multipartícula mejore todavía más a esta misma localización bidimensional de cada partícula hace que, en consecuencia, esta misma incertidumbre tridimensional final sobre cada trayectoria de ese enjambre, en consecuencia, resulte todavía menor.
ID:5828
Grupo 2: Grupo 2: Reconstrucción tridimensional
Descripción
Cómo las detecciones 2D y la geometría de cámaras determinan posiciones 3D.
Pregunta clave: Cómo las detecciones 2D y la geometría de cámaras determinan posiciones 3D.
Cómo las detecciones 2D y la geometría de cámaras determinan posiciones 3D. Por eso este modelo, con esta trayectoria de cada individuo dentro de un enjambre reconstituida de manera simultánea con la que se abrió, hace que esta misma incertidumbre tridimensional final sobre cada trayectoria se propague, en consecuencia, tanto desde este mismo error final de localización bidimensional de cada partícula como desde la propia geometría final de todo este mismo sistema de cámaras.
ID:5829
Grupo 3: Grupo 3: Predicción y asignación temporal
Descripción
Cómo se preserva la identidad entre fotogramas mediante predicción y algoritmo húngaro.
Pregunta clave: Cómo se preserva la identidad entre fotogramas mediante predicción y algoritmo húngaro.
Cómo se preserva la identidad entre fotogramas mediante predicción y algoritmo húngaro. El algoritmo húngaro, esta misma asignación óptima final, minimiza, en cambio, al propio costo total final de esta misma asignación entre detecciones e individuos, típicamente esta misma distancia final entre la posición predicha y la posición observada de cada individuo.
ID:5830
Grupo 4: Grupo 4: Densidad y dificultad de desambiguación
Descripción
Cómo la densidad local y la superposición elevan la ambigüedad y la necesidad multicámara.
Pregunta clave: Cómo la densidad local y la superposición elevan la ambigüedad y la necesidad multicámara.
Cómo la densidad local y la superposición elevan la ambigüedad y la necesidad multicámara. Esta misma densidad local de este enjambre varía, en cambio, dentro de todo ese mismo enjambre, resultando, en consecuencia, considerablemente mayor hacia su propio centro y considerablemente menor, en cambio, hacia su propia periferia. Que este enjambre de insectos resulte todavía más denso hace que, en consecuencia, esta misma superposición final entre los individuos de ese enjambre, en consecuencia, se vuelva todavía más difícil de desambiguar, exigiendo en consecuencia a varias cámaras adicionales para lograrlo. El algoritmo húngaro, esta misma asignación óptima final, minimiza, en cambio, al propio costo total final de esta misma asignación entre detecciones e individuos, típicamente esta misma distancia final entre la posición predicha y la posición observada de cada individuo.
ID:5831
Grupo 5: Grupo 5: Vecindad y radio de interacción
Descripción
Cómo el radio seleccionado determina vecinos y el compromiso entre potencia estadística e inclusión espuria.
Pregunta clave: Cómo el radio seleccionado determina vecinos y el compromiso entre potencia estadística e inclusión espuria.
Cómo el radio seleccionado determina vecinos y el compromiso entre potencia estadística e inclusión espuria. Este mismo radio de interacción de este enjambre constituye, en cambio, a un propio parámetro clave final de todo este tracking: un radio de interacción considerablemente pequeño produce, en consecuencia, a pocos vecinos detectados y a poco poder estadístico final sobre ese mismo enjambre, mientras que un radio de interacción considerablemente grande incluye, en cambio, a individuos que, en la práctica, no interactúan físicamente entre sí dentro de ese enjambre. Que este radio de interacción de este enjambre se ajuste todavía con mayor precisión hacia su propio valor óptimo particular hace que, en consecuencia, esta misma estadística final de comportamiento colectivo de ese enjambre, en consecuencia, resulte todavía más representativa.
ID:5832
Grupo 6: Grupo 6: Estadística colectiva
Descripción
Cómo las trayectorias simultáneas alimentan estadísticas colectivas del enjambre.
Pregunta clave: Cómo las trayectorias simultáneas alimentan estadísticas colectivas del enjambre.
Cómo las trayectorias simultáneas alimentan estadísticas colectivas del enjambre. Este mismo tracking multipartícula en tres dimensiones reconstituye, en general, a la propia trayectoria final de cada individuo dentro de un enjambre de una cantidad considerable de estos mismos insectos que ya establece otro modelo de este conjunto, de manera simultánea entre sí, permitiendo en consecuencia extraer a una propia estadística final de comportamiento colectivo que resultaría, en cambio, imposible de obtener mediante un propio seguimiento individual aislado de un solo insecto.
ID:5833
Grupo 7: Grupo 7: Propagación de incertidumbre 3D
Descripción
Cómo el error 2D y la geometría de cámaras se propagan a las trayectorias 3D.
Pregunta clave: Cómo el error 2D y la geometría de cámaras se propagan a las trayectorias 3D.
Cómo el error 2D y la geometría de cámaras se propagan a las trayectorias 3D. Por eso este modelo, con esta trayectoria de cada individuo dentro de un enjambre reconstituida de manera simultánea con la que se abrió, hace que esta misma incertidumbre tridimensional final sobre cada trayectoria se propague, en consecuencia, tanto desde este mismo error final de localización bidimensional de cada partícula como desde la propia geometría final de todo este mismo sistema de cámaras. Que este sistema de cámaras de este tracking multipartícula mejore todavía más a esta misma localización bidimensional de cada partícula hace que, en consecuencia, esta misma incertidumbre tridimensional final sobre cada trayectoria de ese enjambre, en consecuencia, resulte todavía menor.
ID:5834