Todo lo que debes saber de eventos

1. Detección de eventos sociales
Este artículo o sección necesita referencias que aparezcan en
una publicación acreditada, como revistas especializadas,
monografías, prensa diaria o páginas de Internet fidedignas. Este aviso
fue puesto el 29 de septiembre de 2015.
Puedes añadirlas o avisar al autor principal del artículo en su página de
discusión pegando: {{subst:Aviso
referencias|Detección de eventos sociales}}
~~~~
Por evento social se entiende un evento organizado y planificado por gente y para gente,
el cual es ilustrado por contenidos multimedia, creados por las personas que atienden a
dicho evento, compartidos en redes sociales.
Así, la detección de eventos sociales es el proceso mediante el cuál se clasifican y
agrupan en distintos eventos un conjunto de datos multimedia dados previamente.
Índice
[ocultar]
 1Motivación
 2Aplicaciones
o 2.1Aplicaciones actuales
o 2.2Posibles aplicaciones futuras
 3Funcionamiento
 4Técnicas y algoritmos
o 4.1Técnicas tradicionales
 4.1.1Geolocalización
 4.1.2Características
 4.1.2.1Características textuales
 4.1.2.2Características visuales
o 4.2Técnicas de análisis
 4.2.1Teorema de Bayes
 4.2.2Support Vector Machines (SVM)
 4.2.3Método de K-vecinos más cercanos (K-NN)
 5Reconocimiento basado en video
 6Aspectos técnicos
o 6.1Efectividad
o 6.2Debilidades
o 6.3Privacidad
 7Evaluación
o 7.1Mejoras recientes
o 7.2Referencias
 7.2.1Bibliografía
o 7.3Enlaces externos
Motivación[editar]
La actual proliferación de aplicaciones de redes sociales está propiciando un incremento
desmesurado de contenidos multimedia en la red. En consecuencia, encontrar contenido
multimedia (digital) relacionado con un evento social concreto supone un reto. Así, surge
como imprescindible la creación de algoritmos que puedan facilitar esta tarea a los
usuarios. Recientemente, en el MediaEval1 2013, la detección de eventos sociales ha sido

2. una de las tareas propuestas a resolver por los concursantes. Algunas de las técnicas
presentadas por los participantes están explicadas más adelante.
Aplicaciones[editar]
Aplicaciones actuales[editar]
Hoy en día su uso no está muy extendido todavía pero básicamente puede utilizarse para
tener constancia de los eventos que se realizan, la magnitud de estos eventos, ciudades
donde se han realizado los eventos, etc. Esta información, por ahora, también permite
hacer recomendaciones.
Posibles aplicaciones futuras[editar]
En un futuro servirá para tener bases de datos de los eventos realizados y así poder
realizar estudios más exhaustivos sobre un mercado determinado. Pudiendo así hacer una
estimación a priori sobre si saldría rentable organizar un tipo de evento de características
similares a otro que ya se haya realizado. Todo esto es gracias a que en la clasificación de
eventos podemos disponer de la información de la magnitud de dichos eventos.
Funcionamiento[editar]
Las imágenes siempre van acompañadas con una cabecera de metadatos, los cuales nos
aportan gran cantidad de información sobre la propia imagen. Para poder realizar el
reconocimiento de un evento podemos extraer características a partir de la información
temporal, espacial o textual (tanto títulos, tags como descripciones) que podemos
encontrar adjunta a la propia imagen. En este caso, la información de los metadatos
resulta más importante que la propia información visual de la imagen. Los metadatos
pueden ser definidos como "datos sobre datos". Es decir, son datos complementarios a un
objeto que ayudan a la descripción, contexto y descripción de este en cuestión. Los
modelos de metadatos se pueden aplicar no solo a texto o audio, sino, también a
imágenes, pinturas, videos, etc.
En Internet existen tres grandes modelos de metadatos:
 Dublin Core schema: Este esquema es típico para archivos de texto, pero también es
utilizado para imágenes y contiene propiedades como: Autor, Título, Editor y Fecha.
 Technical schema: Con este esquema podemos extraer los datos técnicos acerca de
la foto y la cámara tales como: tipo de cámara, lentes utilizadas o fecha de la imagen.
 Content schema: Este esquema se usa para dar una categoría a la imagen por medio
de vocabulario conocido. Permite recuperar las fotos basándose en determinadas
características como: paisaje, retrato, animales, deportes, etc.
Por otra parte, existen estándares muy comunes en cuanto a la indexación de metadatos
para imágenes como es el caso del estándar CDWA (Categories for the Description of
Works of Art), uno de los esquemas conceptuales más utilizados en museos y archivos ya
que consta de más de 30 categorías y subcategorías como: orientación, dimensiones, etc.
Otros estándares muy utilizados en imágenes son:
 EXIF: Permite metadatos sobre tiempo de exposición, distancia focal, modelo de la
cámara, datos del flash, etc.
 IPTC: Permite gestionar diferentes objetos multimedia, sobre todo imágenes y noticias.
Está pensado para agilizar la transmisión de datos entre agencias de noticias y ofrece
metadatos sobre autor, título, descripción, palabras clave, urgencia, derechos, etc.

3. Para poder utilizar la información de los metadatos hace falta hacerle un preprocesado
para poder hacer las comparaciones entre palabras sin errores. Este preprocesado
normalmente consiste en un cambio de todas las letras a minúsculas, eliminación de
acentos, y traducción de diferentes idiomas. La imagen, por contra, no precisa ningún
preprocesado.
Una vez extraídos los metadatos de las imágenes, pasamos directamente a clasificar
dichas imágenes. Una de las formas básicas de realizar este trabajo, es a partir de
comparar una imagen con una imagen de datos pre clasificadas previamente.
Para esta nueva etapa de pre clasificado (Entrenamiento), se tiene que seleccionar las
muestras del dominio con el que se trabaja y separarlo en clases, donde cada clase,
engloba todas aquellas fotos con características similares.
Finalmente, la etapa de clasificación consiste en determinar la clase a la que pertenece
una imagen nueva a partir de sus metadatos extraídos previamente y la comparación con
el repositorio de imágenes de entrenamiento.
Técnicas y algoritmos[editar]
Técnicas tradicionales[editar]
Geolocalización[editar]
Las técnicas tradicionales de geolocalización en cuanto a eventos sociales utilizan tanto la
geolocalización como la marca temporal, dado un margen de tiempo, para reconocer
eventos como uno mismo. Como las fotos de estos eventos las hacen personas que
participan o que asisten a él, se parte de la idea de que una persona no puede estar en 2
lugares diferentes a la vez, permitiendo así crear una clasificación espacio-temporal. De
esta manera, comparando esta información con la de alguna imagen que forme parte la
base de datos de nuestro clasificador, podemos clasificarlas rápidamente identificando las
imágenes como un mismo evento.
Llegado este punto, lo normal es que todas aquellas imágenes que no disponían de esta
información queden sueltas, el número de las cuales puede ser fácilmente la mayoría, así
que se recurre a una de las dos técnicas de abajo. Una vez agrupadas las imágenes
espacio-temporalmente, se pueden comparar visualmente o por texto aquellas fotos que
no tienen geolocalización con las que sí tienen para comprobar si son eventos diferentes, o
en caso contrario, demostrar que pertenecen al mismo evento o alguno parecido para
clasificarlas dentro del mismo grupo.
Características[editar]
Características textuales[editar]
Muchas veces, una imagen viene acompañada de información que nos permite una
clasificación rápida y efectiva, ya que en el título, en la descripción o en las etiquetas se
expresa con claridad de qué tipo de evento se trata. Un ejemplo claro es el de una persona
que sube una foto diciendo que se encuentra en un evento en concreto, facilitando así la
clasificación. Sin embargo, estas palabras acostumbran a formar parte de oraciones o
textos con más palabras que no nos sirven para clasificar. Dado esto, se emplean medidas
de semejanza como el índice de Jaccard o bien los descriptores de texto, como el tf-idf,
que dado el histograma de un texto nos permite encontrar aquellas palabras que aportan
información, descartando otras como artículos o preposiciones. Una vez obtenidas estas
palabras, hace falta hacer una comparación entre las palabras que tenemos y las
categorías a las que pueden pertenecer las imágenes. En este caso, se utilizan ontologías,
que nos indican cuán directa o indirecta es la relación entre dos palabras basándose en el
concepto que expresan. A partir de un umbral, del parecido entre las palabras clave y el
concepto de la categoría, se decide cómo clasificar la imagen. Según los resultados
expresados en el concurso de MediaEval1 de 2013 de clasificación de eventos, esta
técnica de clasificación resultó ser la que mejores resultados daba en cuanto a precisión y

4. recuerdo, demostrando su efectividad. El uso de la ontología de WordNet2 y su biblioteca
de funciones ayudaron a conseguir gran precisión y un buen tiempo.
Características visuales[editar]
Al ser la imagen el elemento que queremos clasificar, es normal utilizarlo también como
elemento comparativo. Dada una base de datos con información sobre diferentes
imágenes pertenecientes a nuestras categorías, la idea rápida es hacer una comparación
entre las imágenes que tenemos y las nuevas que entran, clasificándolas con aquellas que
tengan un mayor parecido. Para utilizar este método, se extraen los puntos de interés de
una imagen mediante descriptores visuales como DoG, ya que una comparación pixel a
pixel puede costar mucho tiempo sin dar un resultado que lo compense. Además, en este
tipo de imagen acostumbra a haber muchos puntos de interés como pueden ser el público,
una persona subida a un escenario o a una pasarela, instrumentos, etc. Una vez extraídos
los puntos de mayor información, se pasa a compararlos con los de la base de datos y se
clasifica dependiendo del mayor parecido.
Esta técnica presenta una fácil implementación y según los resultados expresados en el
concurso de MediaEval1 de 2013 de clasificación de eventos, muestra una gran precisión a
la hora de descartar aquellas imágenes que no son eventos. Sin embargo, los mismos
resultados muestran que esta técnica ofrece resultados pésimos comparados con los de
los descriptores textuales en cuanto a las 3 modalidades evaluadas.
Cabe añadir que aquellas técnicas que realmente ofrecieron mejores resultados, eran
aquellas que se basan en una suma ponderada de ambas técnicas, dando mayor
porcentaje del peso de decisión a la técnica de descriptores textuales basándose en los
resultados de experimentos previos.
Técnicas de análisis[editar]
Las técnicas y algoritmos solo hablan de las formas de categorización, sin embargo, para
la decisión final de clasificación se acostumbran a utilizar los siguientes métodos:
Teorema de Bayes[editar]
El teorema de Bayes expresa la probabilidad condicional de un evento aleatorio A dado B
en términos de la distribución de probabilidad condicional del evento B dado A y la
distribución de probabilidad marginal de solo A.
Sea un conjunto de sucesos mutuamente
excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta
de cero (0). Sea B un suceso cualquiera del que se conocen las probabilidades
condicionales . Entonces, la probabilidad viene dada por la
expresión:
donde:
 son las probabilidades a priori.
 es la probabilidad de en la hipótesis .
 son las probabilidades a posteriori.
Support Vector Machines (SVM)[editar]

5. Conjunto de algoritmos de aprendizaje supervisado propiamente relacionados con
problemas de clasificación y regresión. Dado un conjunto de ejemplos de
entrenamiento (de muestras) podemos etiquetar las clases y entrenar una SVM para
construir un modelo que prediga la clase de una nueva muestra.
Modelo en 2 dimensiones
Intuitivamente, una SVM es un modelo que representa a los puntos de muestra en el
espacio, separando las clases por un espacio lo más amplio posible. Cuando las
nuevas muestras se ponen en correspondencia con dicho modelo, en función de su
proximidad pueden ser clasificadas a una u otra clase.
Una SVM construye un hiperplano o conjunto de hiperplanos en un espacio de
dimensionalidad muy alta (o incluso infinita) que puede ser utilizado en problemas de
clasificación o regresión. Una buena separación entre las clases permitirá un
clasificación correcta.
Método de K-vecinos más cercanos (K-NN)[editar]
K-NN (K Nearest Neighbors) es un método de clasificación supervisada. La idea sobre
la cual se basa este paradigma, es que una imagen pertenecerá a la clase más
frecuente de sus K vecinos más cercanos. Para clasificar una nueva imagen a partir
del K-NN, primero, se determina la posición en el plano X/Y. Seguidamente,
determinamos el "radio de vecindad". A continuación, se traza una circunferencia con
centro en el objeto que debemos determinar. Esta, encierra otros imágenes
clasificadas previamente las cuales nos aportan las posibles clases a las que podemos
pertenecer. Finalmente, determinamos la K. Esta la asignamos dependiendo de
cuantos vecinos queremos comparar nuestra imagen, es decir, se establece si se
compara con el vecino más cercano 1-NN, o con los K vecinos colindantes K-NN.
Modelo K-NN de dos clases
Reconocimiento basado en video[editar]

6. Entendemos como video, una sucesión de imágenes (frames) en un espacio temporal,
de esta manera podemos aplicar a cada frame las mismas extracciones de
características de una imagen sola.
Teniendo en cuenta la línea temporal del vídeo podemos extraer, además,
características en base al análisis del movimiento como:
 Egomotion: Determinar el movimiento 3D (rotación y traslación) de la cámara a
partir de una secuencia de imágenes producida por la cámara.
 Tracking: Determinar los movimientos de un pequeño conjunto de puntos de
interés u objetos ( por ejemplo , vehículos o personas) en la secuencia de
imágenes.
 Optical Flow: Determinar, para cada punto de la imagen, la forma en que ése
punto se está moviendo en relación con el plano de la imagen, es decir, su
movimiento aparente. Este movimiento es el resultado de como el punto (en 3D)
se está moviendo en la escena y cómo la cámara se mueve en relación a la
escena.
Aspectos técnicos[editar]
Efectividad[editar]
Para obtener una mayor efectividad de este clasificador de eventos, tenemos que
tener en cuenta que es más efectivo clasificar a partir de los metadatos de la imagen
que hacerlo a partir de la extracción de características de la imagen.
El motivo por el cual es más efectivo clasificar a partir de los metadatos de la imagen,
es que procesar texto es más rápido que analizar una imagen y extraer sus propias
características.
Para poder tener una mayor efectividad en el clasificador, y poderlo realizar a partir de
los metadatos de la imagen, es necesario tener un buen clasificador de texto el cual te
diga si esa palabra en concreto es una palabra clave o no lo es. Por lo tanto, llegamos
a la conclusión que clasificar la imagen a partir de metadatos es más útil y preciso que
tener que analizar una imagen y tener que hacer un procesado de esta.
Debilidades[editar]
El sistema de clasificación de eventos sociales no es del todo perfecto, ya que en
ciertas ocasiones puede clasificar de forma errónea. Una de las debilidades más
importantes que impiden un buen funcionamiento de este clasificador, son las
situaciones de poca iluminación, ya que si la imagen no es lo suficientemente clara, el
clasificador no podrá identificarla de la manera correcta y esperada.
Por otro lado, el algoritmo en algunas situaciones no es capaz de identificar imágenes
de un evento en concreto del cuan las imágenes almacenadas asociadas a este tipo
de evento en la base de datos sea muy diferente a la imagen que se está analizando
en ese preciso momento.
Privacidad[editar]
En las imágenes que aparezcan rostros de personas, se tiene que cuestionar la
privacidad de estas personas. Dependiendo del uso que se le proporcione a dichas
imágenes, se puede controlar a toda una sociedad sabiendo donde se encuentran,
qué están haciendo, a que eventos han asistido y con qué compañía frecuentan
ciertos lugares.
Evaluación[editar]

7. El resultado que nos proporcione un clasificador de eventos, se evaluará por si
recupera bien y detecta los eventos correctamente.
Para ello tendremos que buscar los metadatos de las imágenes y los recursos
informáticos utilizados. La determinación de la correcta detección será comprobar si
los sistemas proporcionan una respuesta para cada imagen.
Cada tipo de evento se tiene que procesar de manera independiente, con la finalidad
de asegurar que cada evento se marcará de forma independiente al resto. Para cada
evento, se produce un valor umbral entre 0 y 1, como más cercano esté a la unidad
mejor, ya que querrá decir que la imagen se corresponde con más exactitud a dicho
evento. Esta puntuación se utiliza para clasificar imágenes o videos en orden
descendente porque se ordenaron las imágenes de las más cercanas al 1 hasta la
más cercana al valor 0, de manera que las primeras imágenes serán las que se
correspondan mejor con el evento.
Para poder llevar a cabo la evaluación de un clasificador, tenemos que tener presente
los parámetros de Precisión y Recall. Estos dos parámetros se pueden calcular para
cada posición en el vector fila. Por un lado, tenemos la Precisión, Prec ( tp ), que es el
índice del vector fila dividido por el rango de este positivo. Por el otro lado, está el
Recall, que es el índice del vector Tp rango, dividido por el número total de
detecciones positivas Pe.
Ninguna imagen puede tener más de una etiqueta, es decir, ninguna imagen puede
pertenecer a más de un evento. Los resultados de la detección de elemento
multimedia relacionados con el evento serán evaluados usando Precision-Recall-F-
Score y Información Mutua Normalizada (NMI). Ambos se utilizarán para evaluar el
solapamiento entre grupos y clases. Por otra parte, también se agrupan todas las
medidas de evaluación en una forma ajustada llamada "divergencia de una línea de
base aleatoria", lo que indica el nivel aprendizaje útil que se ha producido y ayuda a
detectar los envíos de agrupamiento problemáticos.
Condiciones de evaluación en MediaEval1 :
Son las opciones que tienen los participantes en la presentación de los resultados de
la evaluación:
 Buscar videos
 Set de eventos
 Tipo de evento Kit
Por otra parte, MED también patrocina varias opciones para carreras contrastantes
para que los artistas puedan evaluar solo los subsistemas en los componentes
multimedia:
 Reconocimiento óptico de caracteres (OCR)
 Reconocimiento automático de voz (ASR)
 No OCR visual (Visual)
 El audio no ASR (Audio)
Para participar en el MED, los participantes deben crear un elemento codificado y el
concepto base. También deben procesar el mínimo conjunto de búsqueda y
proporcionar los resultados para los eventos predefinidos utilizando los kits de eventos
extendidos (100EX).
Mejoras recientes[editar]
La reciente mejora en la detección de eventos sociales no se debe a una mejora en las
técnicas de análisis ni al uso de herramientas cada vez más potentes, sino a la gran
aportación de información de las redes sociales. La mayoría de imágenes de eventos
forman parte de redes famosas como twitter o de aplicaciones para el teléfono, redes

8. que cada vez cuentan con más usuarios y por lo tanto con más imágenes e
información. Este incremento constante de información acerca de eventos ha permitido
crear una gran base de datos que ha mejorada el resultado de los sistemas actuales
de comparación para categorizar y clasificar eventos. Una de las mejoras más
importantes ha sido la capacidad de los móviles para permitir a los usuarios subir
imágenes con datos como títulos, geolocalización, o data y hora tan pronto como se
inicia o abandona el evento, y el streaming, que permite una reproducción a tiempo
real. Esta mejora ha permitido agilizar la subida de información a la red. Por otra parte,
a pesar de este incremento, el número de eventos sigue creciendo cada día. Por este
motivo, a pesar de que cada vez se disponga de más datos, los resultados no han
cambiado mucho haciendo que actualmente la clasificación de eventos sociales siga
siendo una difícil tarea aún en desarrollo.