CIU TOUR: reconocimiento de edificios y monumentos mediante aprendizaje automático

CIU TOUR: Reconocimien o de edi icios y monumen os median e ap endizaje au omá ico TRABAJO FIN DE GRADO GRADO EN INGENIERÍA DEL SOFTWARE CURSO 2018–2019 Realizado po A u o Ma ino Quin ana S e ano Mazzuka Cassani Di ec o Rubén Fuen es Depa amen o de Ingenie ía del So wa e e In eligencia A i icial Facul ad de In o má ica Uni e sidad Complu ense de Mad id Mad id. Junio de 2019 2 3 Ag adecimien os A oda mi amilia y amigos, g acias a quienes soy quien soy y hacia quienes sólo puedo exp esa mi más since o ag adecimien o. G acias a mi muje , Naza e h, sin cuyo apoyo no hab ía podido conclui es a e apa, ni comenza la siguien e empezando con el nacimien o de mi p ime hijo pocos días después de la en ega de es a memo ia. A u o Ma ino Quin ana En p ime luga , a los p o eso es que me han ayudado a c ece como p o esional. A mis amilia es y amigos, que me anima on a segui has a el inal. A los más jó enes con T as o no po Dé ici de A ención o Dislexia quie o anima los a con inua con sus es udios y alcanza sus me as pe sonales. S e ano Mazzuka Cassani 4 5 Índice Índice ............................................................................................................................ 5 Índice de igu as ........................................................................................................... 8 Índice de ablas ............................................................................................................. 8 Resumen ....................................................................................................................... 9 Abs ac ...................................................................................................................... 10 1. In oducción ........................................................................................................ 11 1.1. Obje i os ...................................................................................................... 11 1.2. Plan de abajo .............................................................................................. 12 1.2.1. Sc um .................................................................................................... 12 1.2.2. Sc um en el p oyec o ............................................................................. 13 1.3. In oducción al ap endizaje au omá ico ......................................................... 15 2. Es ado del a e ..................................................................................................... 17 2.1. Análisis de la compe encia ............................................................................ 17 2.2. Análisis de he amien as de Machine Lea ning ............................................. 22 2.3. Análisis de he amien as de BBDD ............................................................... 24 2.4. Conclusiones de los análisis .......................................................................... 26 3. Sis emas elacionados.......................................................................................... 29 3.1. Tenso Flow ................................................................................................... 29 3.1.1. In oducción........................................................................................... 29 3.1.2. Funcionamien o Tenso Flow .................................................................. 29 3.2. Fi ebase ........................................................................................................ 30 3.3. Google Maps ................................................................................................ 30 4. Implemen ación ................................................................................................... 31 4.1. Funcionamien o de la aplicación ................................................................... 31 4.1.1. Funcionamien o gene al ......................................................................... 31 4.1.2. Diag amas de clases ............................................................................... 32 4.2. A qui ec u a .................................................................................................. 34 4.2.1. Modelo .................................................................................................. 35 4.2.2. Vis a ...................................................................................................... 35 4.2.3. Con olado ............................................................................................ 35 4.2.4. Es uc u a de la aplicación ..................................................................... 35 4.3. Tenso Flow ................................................................................................... 38 4.3.1. En enamien o y gene ación del g a o compu acional ............................ 38 4.3.2. P oceso de econocimien o den o de la aplicación ................................. 39 6 4.4. Fi ebase ........................................................................................................ 41 4.4.1. C eación de la Base de da os .................................................................. 41 4.4.2. Es uc u a .............................................................................................. 42 4.5. Google Maps ................................................................................................ 44 4.5.1. Google Maps en CIU Tou ..................................................................... 44 4.6. Conclusiones................................................................................................. 45 5. Manual de usua io ............................................................................................... 46 6. E aluación gene al .............................................................................................. 49 6.1. E aluación de los usua ios ............................................................................ 49 6.1.1. Obje i os de la in es igación ..................................................................... 49 6.1.2. Resul ados ................................................................................................. 50 6.2. E aluación y esul ados de la p ecisión ob enida en el econocimien o de obje os 51 6.3. Conclusión .................................................................................................... 54 7. Conclusiones ....................................................................................................... 55 7.1. Conclusiones................................................................................................. 55 7.2. T abajo u u o ............................................................................................... 56 7.2.1. Op imización del p oceso de en enamien o de clasi icación .................. 57 7.2.2. Mejo a de la in e az .............................................................................. 57 7.2.3. Ampliación de la in o mación con enida en la base de da os .................. 58 7.2.4. Redes sociales ........................................................................................ 59 7.2.5. Realidad aumen ada ............................................................................... 59 8. Conclusions and u u e wo k ............................................................................... 61 8.1. Conclusions .................................................................................................. 61 8.2. Fu u e wo k .................................................................................................. 63 8.2.1. Op imiza ion o he classi ica ion aining p ocess ................................. 63 8.2.2. In e ace Imp o emen ........................................................................... 63 8.2.3. Ex ension o he in o ma ion con ained in he da abase .......................... 64 8.2.4. Social media .......................................................................................... 65 8.2.5. Augmen ed eali y ................................................................................. 65 9. Con ibuciones al p oyec o .................................................................................. 67 9.1. Con ibución de A u o Ma ino Quin ana ...................................................... 67 9.1.1. Es ado del a e ....................................................................................... 67 9.1.2. Diseño e implemen ación ....................................................................... 67 9.1.3. E aluación con usua ios......................................................................... 68 9.1.4. Memo ia ................................................................................................ 68 9.2. Con ibución de S e ano Mazzuka Cassani .................................................... 68 7 9.2.1. Es ado del a e ....................................................................................... 68 9.2.2. Diseño e implemen ación ....................................................................... 69 9.2.3. E aluación con usua ios......................................................................... 69 9.2.4. Memo ia ................................................................................................ 70 10. Bibliog a ía ...................................................................................................... 71 11. Apéndices ........................................................................................................ 73 11.1. Ins alación Tenso Flow ............................................................................. 73 12. Glosa io ........................................................................................................... 75 8 Índice de igu as Figu a 1. Esquema del p oceso de un Sp in de Sc um (h ps://p oyec osagiles.o g/que- es-sc um/) ................................................................................................................... 13 Figu a 2. Cap u a de la app Lookou ........................................................................... 17 Figu a 3. Cap u a de la app Google Lens ..................................................................... 18 Figu a 4. Cap u a de la app Aipoly Vision ................................................................... 18 Figu a 5. Cap u a de pan alla de San Lo enzo de El Esco ial 360º ............................... 19 Figu a 6. Cap u a de la app Quin a da Regalei a 4.0 .................................................... 19 Figu a 7. Cap u as de pan alla de Xá i a Tu ismo ....................................................... 20 Figu a 8. Cap u as de pan alla de Phind....................................................................... 21 Figu a 9. Compa ación de commi s y con ibuido es pa a di e en es he amien as open sou ce de machine lea ning en Gi hub según la compañía Al exSo en 2017 (h ps://www.al exso .com/blog/da ascience/choosing-an-open-sou ce-machine- lea ning- amewo k- enso low- heano- o ch-sciki -lea n-ca e/) ................................ 22 Figu a 10. Diag ama del econocimien o de imagen .................................................... 32 Figu a 11. Diag ama de clase de la capa de is as ....................................................... 32 Figu a 12 Diag ama de clase de la capa Con olado ................................................... 33 Figu a 13 Diag ama de clase de la capa Modelo .......................................................... 34 Figu a 14. Ejemplo de es uc u a Modelo-Vis a-Con olado ....................................... 34 Figu a 15. Es uc u a de ca pe as pa a las imágenes de en enamien o ......................... 38 Figu a 16. Consola de Fi ebase ................................................................................... 41 Figu a 17. Panel de con ol de Fi ebase ....................................................................... 42 Figu a 18. Tabla Loca ions .......................................................................................... 42 Figu a 19. Tabla Monumen s ...................................................................................... 43 Figu a 20. S o age de Fi ebase .................................................................................... 44 Figu a 21. Vis a p incipal de la aplicación ................................................................... 46 Figu a 22. Vis a de econocimien o de Monumen o ..................................................... 46 Figu a 23. Vis a de e o de econocimien o ................................................................ 47 Figu a 24. Menú de la aplicación ................................................................................ 48 Figu a 25. Mapa de Ciudad Uni e si a ia .................................................................... 48 Figu a 26. Lis a de monumen os ................................................................................. 48 Figu a 27. His o ia ...................................................................................................... 48 Figu a 28. Ejemplo de IKEA con AR .......................................................................... 59 Índice de ablas Tabla 1. Tabla compa a i a de aplicaciones ................................................................ 21 Tabla 2. Compa a i a de ca ac e ís icas de he amien as de machine lea ning ............. 23 Tabla 3. Tabla compa a i a de he amien as de BBDD ............................................... 26 Tabla 4. Tabla de ango de edad .................................................................................. 50 Tabla 5. Tabla de p ecisión media ob enida en las p uebas de econocimien o............. 53 9 Resumen El sec o u ís ico busca pe manen emen e nue as p opues as pa a mejo a las expe iencias de sus clien es. F u o del uso de nue as ecnologías p incipalmen e a a és de disposi i os mó iles, las pe sonas desean en la ac ualidad ob ene una mayo in o mación de su en o no con el meno es ue zo posible. En el u ismo, es a endencia se plasma, en e o as p opues as, en mejo a las expe iencias de los usua ios pa a que sean cada ez más inme si as y cómodas. En es e con ex o su ge es e p oyec o. El obje i o p incipal de es e p oyec o ha sido el diseño e implemen ación de una aplicación mó il pa a isi as u ís icas que pe mi e al usua io ob ene in o mación sob e edi icios y monumen os del en o no. Pa a ello, se ha ealizado una cap u a de los equisi os necesa ios pa a el desa ollo de la aplicación median e un análisis de la compe encia, ex ayéndose equisi os uncionales a ni el de usua io y adminis ación, y ambién de usabilidad. También se han es udiado las he amien as de ap endizaje au omá ico disponibles pa a la clasi icación de imágenes. Ello ha pe mi ido el uso e implemen ación de una ed neu onal pa a la clasi icación de imágenes. El esul ado es una aplicación capaz de ob ene de mane a sencilla una imagen del en o no, clasi ica la en una ca ego ía (que co esponde a un edi icio o monumen o) y mos a in o mación elacionada con és a. De es e modo, el usua io puede ealiza su p opio ou i ual usando la in o mación del p o eedo . La aplicación se ha e aluado desde el pun o de is a de la clasi icación y econocimien o de imágenes y de la expe iencia del usua io. Se ha concluido que la aplicación ha sa is echo en gene al a los usua ios en cuan o a la uncionalidad, u ilidad, comodidad e inno ación, a pesa de posibles co ecciones o mejo as que puedan ealiza se. Cabe des aca que, as analiza el p oceso de clasi icación, se de ec ó la necesidad de ealiza una op imización de dicho p oceso median e la ampliación del núme o y a iedad del conjun o de imágenes usadas pa a el en enamien o de la ed neu onal y el uso de he amien as de op imización o ecidas po Tenso Flow. Como mejo as u u as de la aplicación, se plan ea la op imización del p oceso de clasi icación, la implemen ación de ealidad i ual y/o ealidad aumen ada, y mejo as en la in e az de usua io. Palab as cla e: ap endizaje au omá ico, econocimien o de imágenes, clasi icación, Tenso Flow, u ismo. 16 monumen o o es a ua). De es a o ma el sis ema puede iden i ica dicha ca ego ía y o ece in o mación adicional sob e la misma. Pa a conclui , en es a sección se han is o los obje i os especí icos necesa ios pa a pode da po concluido con éxi o la aplicación, así como la me odología de abajo implemen ada y una pequeña in oducción al concep o de ap endizaje au omá ico y los ipos de me odologías aplicados en su implemen ación en unción del ipo de es a egia y las ayudas que ecibe el sis ema du an e el p oceso de ap endizaje. 17 2. Es ado del a e En es a sección se p ocede á a un es udio del me cado y las he amien as disponibles en cuan o a aplicaciones elacionadas con la iden i icación de obje os y cómo podemos amplia la uncionalidad de ellas con nues o so wa e. Se p es a á especial a ención a aquellas elacionadas con el u ismo. La idea es siemp e di igi el abajo a acili a la in o mación al usua io que ealiza la is a guiada con la aplicación de o ma ápida e in ui i a. 2.1. Análisis de la compe encia En es a sección se p ocede á al es udio de las ca ac e ís icas y uncionalidades de algunas aplicaciones exis en es en el me cado que ealicen a eas de econocimien o de imágenes, sea en el ámbi o del u ismo o no. o Aplicación Google Lookou : es una aplicación lanzada po Google en el 2018 diseñada pa a ayuda a pe sonas ciegas o con p oblemas de isibilidad. La he amien a pe mi e la de ección e iden i icación de obje os median e una cáma a de o denado o elé ono mó il, con la in ención de desc ibí selos al usua io en o ma de oz. No solo econoce el obje o, sino que ambién p opo ciona su posición. Po ejemplo “hay un pe o a las 9 en pun o”. La aplicación iene di e sos usos: explo a el mundo eal, acili a la comp a del usua io al lee códigos de ba a y dine o, y lee ex os. Es una app disponible en Google Play. Figu a 2. Cap u a de la app Lookou T as analiza la aplicación, se io que p opo ciona in o mación sob e el con enido de la aplicación (ej. obje o iden i icado, desc ipción o ex o) de o ma isual y audi i a puede se ú il pa a adecua el uncionamien o a di e en es si uaciones de uso y usua ios. 18 o Google Lens: es una aplicación desa ollada po Google en el año 2018. Pe mi e la cap u a e iden i icación de imágenes de di e sos obje os, mos ando después esul ados de búsqueda e in o mación ele an e encon ados en Google sob e el obje o iden i icado. Es a aplicación econoce cie o ipo de obje os como monumen os, es ablecimien os, plan as y animales, comida y ex os, en e o os. Ac ualmen e Google la menciona como una e sión de p ueba. T as u iliza la aplicación, emos que solo mues a in o mación de e ce os, lo cual es incómodo pa a el usua io po que le obliga a na ega en e a ias aplicaciones. De ec amos ambién un uso al o de la ba e ía del elé ono mó il. Además, se e po comen a ios sob e la aplicación que no siemp e iden i ica el obje o. Ello apun a a la necesidad de ene un amplio mues a io de imágenes de en enamien o y la di icul ad que en aña es e p oceso, incluso pa a una g an emp esa como Google. o Aipoly Vision: Se a a de una aplicación pa a el econocimien o del en o no pa a usua ios con p oblemas de isión. Tiene una e sión g a ui a y o a de susc ipción. Les pe mi e econoce obje os, colo es (puede di e encia has a 1400 colo es) y o as uncionalidades. En conc e o econoce elemen os como mobilia io u bano, pue as o escale as, y has a comida o animales. Una ez lo econoce lo nomb a en oz al a. Su inalidad es aumen a la au onomía de las pe sonas in iden es, p ocu ando que puedan ealiza ac i idades sin necesidad de se acompañados po o a pe sona. Ac ualmen e la aplicación se encuen a en desa ollo. Una ez hecho uso de la aplicación, se e i icó la poca u ilidad en nues o con ex o de ene una cáma a cons an emen e econociendo obje os. Además de la can idad de ene gía usada, mues a una in o mación as o a en ápida sucesión con solo mo e lige amen e el elé ono. Es o esul a moles o si lo que se desea es ob ene in o mación ex ensa sob e un obje o conc e o. Figu a 3. Cap u a de la app Google Lens Figu a 4. Cap u a de la app Aipoly Vision 19 o San Lo enzo de El Esco ial 360º: es una aplicación de ealidad i ual o ien ada hacia el ámbi o del u ismo. Pe mi e el ealiza un iaje i ual a cie os pun os especí icos de in e és u ís ico de la localidad mad ileña de San Lo enzo del Esco ial, median e la isualización de una ec eación 3D de la localidad, pudiendo isualiza los an o en la ac ualidad como en el siglo XVIII. Es a aplicación ha ecibido el P emio a la Mejo App Tu ís ica Nacional en la ca ego ía de u ismo emá ico o o gado po Segi u y FITUR en Mad id, en 2019. Figu a 5. Cap u a de pan alla de San Lo enzo de El Esco ial 360º T as p oba la aplicación, ue e iden e que añadi el en o no i ual a la aplicación o ece una he amien a muy inme si a al usua io. Sin emba go, p esen a dos incon enien es. En p ime luga , la necesidad de hace una ec eación 3D del luga , con los cos es que ello supone, y en segundo luga la imposibilidad de mo e se del luga . o Quin a da Regalei a 4.0: es una app diseñada po la emp esa O ange Ad e ising pa a ealiza u as po la Quin a da Regalei a (Sin a, Po ugal). Se a a de una aplicación de ealidad aumen ada. Pe mi e el econocimien o de cie as imágenes, mos ando luego animaciones de dis in os pe sonajes median e el uso de ealidad aumen ada pa a explica la imagen is a. Reúne una se ie de 40 animaciones, 30 ídeos y más de 100 audios en dis in os idiomas (po ugués, español e inglés). Figu a 6. Cap u a de la app Quin a da Regalei a 4.0 20 T as analiza la app se descub ió el g an espacio que usa en el elé ono, pues una ez desca gada es necesa io i desca gando paque es con ideos y u as. Además, la len i ud y la di icul ad de econocimien o de los obje os se des acaba bas an e. Como pun o posi i o, in oduce elemen os de animación median e ealidad aumen ada que hacen que la app sea muy en e enida, aunque en es e caso, no po ello más ú il. o Xá i a Tu ismo: Es una aplicación que pe mi e a los u is as que isi an la ciudad de Xá i a (Valencia) ene in o mación ace ca de los monumen os. Además, p opo ciona la localización de es os y la dis ancia que ha de eco e el usua io has a llega al si io de in e és. Es a aplicación ha ecibido el P emio a la Mejo App Tu ís ica Nacional en la ca ego ía de u ismo emá ico o o gado po Segi u y FITUR en Mad id, en 2018. Figu a 7. Cap u as de pan alla de Xá i a Tu ismo Después de u iliza la aplicación, emos que la ins alación es sencilla y la app es in ui i a y ácil de u iliza . Sin emba go, no dispone de econocimien o de imágenes ni de en o nos i uales. Es una aplicación muy comple a basada simplemen e en mos a in o mación de la localidad con o os, desc ipciones y ubicaciones. Se e la u ilidad de mos a una lis a de los si ios de in e és, así como de mos a dichos pun os en un mapa y o ece la opción de mos a una in o mación básica de cada luga . o Phind: es una aplicación de ealidad aumen ada que le pe mi e al usua io ecibi in o mación de los obje os que iene delan e. U iliza la cáma a pa a cap a la imagen y o ece in o mación al ins an e. Es a in o mación puede se un hecho ele an e, una di ección, un elé ono de con ac o, página web elacionada, comen a ios de pe sonas que hayan es ado ahí con an e io idad e in o mación de o os luga es que lo odean. Pa a p opo ciona es a in o mación la aplicación u iliza el econocimien o de imágenes y la localización, ealizando un c uce de da os pa a ob ene el esul ado más p obable. 21 Figu a 8. Cap u as de pan alla de Phind T as analiza la aplicación, emos que iene algunas di icul ades pa a econoce algunos luga es menos conocidos. Consume poca ba e ía. Mues a la in o mación al usua io de o ma simple pe o muy cómoda. En base a las obse aciones ealizadas sob e las aplicaciones an e io es, se ha desa ollado la Tabla 1, que esume las ca ac e ís icas de cada una. Tabla 1. Tabla compa a i a de aplicaciones Lookou Google Lens Aipoly Vision San Lo enzo de El Esco ial 360º Quin a da Regalei a 4.0 Xá i a Tu ismo Phind Realidad i ual o aumen ada Si Si Sí Sí Sí No Sí Reconocimien o de Obje os Sí Sí Sí No Sí No Sí Tex o a oz Sí No Sí No Sí Sí No Mapa No, pe o sí localización No No Sí No Sí Sí Público Obje i o Pe sonas con di icul ades de isión Gene al Pe sonas con di icul ades de isión Tu ismo Tu ismo Tu ismo Gene al Ámbi o u ís ico No No No Sí Sí Sí Sí Sis ema ope a i o And oid And oid iOS y And oid iOS y And oid iOS y And oid iOS y And oid iOS y And oid In o mación ins an ánea Sí Sí Sí Sí Sí Sí Sí 22 2.2. Análisis de he amien as de Machine Lea ning Exis en mul i ud de pla a o mas, ma cos y biblio ecas de ap endizaje au omá ico en el me cado, an o g a ui as como de pago, y de código abie o o p i adas. Pa a el desa ollo de es e p oyec o, se analiza on algunos de los más popula es, de código abie o, que o ezcan es os se icios de o ma g a ui a, y con una comunidad de desa ollado es amplia. La Figu a 9 ecoge algunos de los ma cos y biblio ecas de machine lea ning más usados en el momen o de edac a es a memo ia. Los más des acados se e isan a con inuación en es a sección. Figu a 9. Compa ación de commi s y con ibuido es pa a di e en es he amien as open sou ce de machine lea ning en Gi hub según la compañía Al exSo en 2017 (h ps://www.al exso .com/blog/da ascience/choosing-an-open- sou ce-machine-lea ning- amewo k- enso low- heano- o ch-sciki -lea n-ca e/)  Tenso Flow: es un amewo k open-sou ce de ML desa ollado po Google. Fácil de usa y desplega en una amplia a iedad de pla a o mas, es uno de los ma cos más u ilizados y popula es de ML en la ac ualidad. Tiene un g an ecosis ema de desa ollado es pa a su man enimien o y ampliación. Posee una documen ación muy exhaus i a. Es u ilizado po a ias compañías, en e ellas D opbox, eBay, In el, Twi e y Ube , Google Lens.  Sciki -lea n: es un amewo k open-sou ce que undamen almen e se cen a en la mine ía y análisis de da os. Des aca en e o as ca ac e ís icas po la acilidad de uso y la documen ación. Teniendo en cuen a su simplicidad y los nume osos ejemplos bien desc i os, es una he amien a accesible pa a no expe os y que pe mi e la aplicación ápida de algo i mos de ap endizaje au omá ico a los da os. Sciki -lea n ha sido adop ado po una g an can idad de ma cas exi osas como Spo i y, E e no e, el gigan e del come cio elec ónico Bi chbox y Booking.com. 23  Spa k MLlib: es la biblio eca de ap endizaje au omá ico de Apache Spa k. Su obje i o es hace que el ap endizaje au omá ico p ác ico sea escalable y ácil. En el momen o de desa olla es e documen o, se encuen a en p oceso de mig ación a la e sión de Spa k 2.0.0, po lo que se decidió no ahonda en es a biblio eca.  Theano: es una biblio eca open-sou ce pa a compu ación cien í ica basada en Py hon desa ollada po el Ins i u o de Mon eal en 2007. Es una de las biblio ecas más an iguas y se conside a un es ánda den o del campo de es os desa ollos. O iginalmen e diseñada pa a la de inición, op imización y e aluación de exp esiones ma emá icas, especialmen e aquellas con ma ices mul idimensionales. Es des acable la e iciencia, aunque los usua ios suelen queja se de una in e az poco in ui i a. Po ello suele usa se jun o con o os ma cos de al o ni el como Ke as pa a acili a es a a ea.  Ke as: es una biblio eca open-sou ce de al o ni el diseñado pa a simpli ica la c eación de modelos de ap endizaje. Se puede implemen a sob e o as ecnologías de in eligencia a i icial como Tenso Flow, Mic oso Cogni i e Toolki (CNTK) y Theano. Ke as aumen ó su popula idad debido a su acilidad de uso, modula idad y acilidad de ex ensibilidad, pe mi iendo la c eación de p o o ipos de o ma ácil y ápida. La Tabla 2 esume algunos de los da os ecogidos de los dis in os ma cos. Tabla 2. Compa a i a de ca ac e ís icas de he amien as de machine lea ning Tenso Flow Sciki s-lea n Theano Spa k MLlib Ke as G a ui o Sí Sí Sí - Sí Open sou ce Sí Sí No - Sí Licencia Apache License 2.0 BSD license Copy igh (c) - Apache License 2.0 Documen ación Sí Sí Sí - Sí P opo ciona APIs Sí Sí Sí - Sí Pe mi e algo i mos de clasi icación Sí Sí Sí - Sí Pla a o mas Windows, Linux, And oid, Iphone/IPad, MacOS Windows, Linux, MacOS Mul i- pla a o ma - Linux, MacOS, Windows Esc i o en C++, Py hon Py hon, Cy hon, C y C++ Py hon - Py hon 24 2.3. Análisis de he amien as de BBDD En es a sección se analiza án algunas de las bases de da os que se pueden u iliza pa a implemen a la aplicación. Se da á una b e e in oducción a ellas y sus ca ac e ís icas más ele an es. Di idi emos es as bases de da os en unción de la o ganización de la in o mación:  Bases de da os elacionales: se basan en un modelo En idad-Relación. Usa una colección de ablas pa a ep esen a elemen os básicos (en idades) y las elaciones en e ellos ( elaciones). Las es uc u as de da os son ígidas y consis en es, cada campo con un ipo de inido, po lo que es necesa io ealiza una plani icación p e ia a la in eg ación. Cumplen las denominadas ca ac e ís icas ACID, cuyas siglas ienen de las palab as en inglés: a omicidad, consis encia, aislamien o y du abilidad. Son p opiedades que las bases de da os elacionales apo an a los sis emas y les pe mi en se más obus os y menos ulne ables an e allos. Algunos ejemplos son: o MySQL: es un sis ema de ges ión de bases de da os elacionales de código abie o desa ollada po O acle Co po a ion (Ko le , 2001) bajo licencia GPL o Uso come cial. La ins alación es sencilla y o ece un en o no de ácil uso pa a la isualización y manejo de las ablas y bases de da os. En él se pueden ealiza consul as a las bases de da os y ges iona los pe misos de acceso de usua ios. La ges ión de es os pe misos equie e pasos de con igu ación poco in ui i os y complejos de ges iona . o Mic oso SQL Se e : es una he amien a pa a la ges ión de bases de da os desa ollada po Mic oso . Es so wa e lib e cuya in eg ación con And oid S udio es ela i amen e sencilla y que dispone de bases de da os con sinc onización en iempo eal, es deci , que cualquie cambio ealizado en los da os se sinc oniza au omá icamen e y de mane a inmedia a a odos los usua ios, sin necesidad de que es os ealicen una consul a, siemp e que es én conec ados con el se ido . En caso de no ene conexión, los da os se ac ualiza án en cuan o se p oduzca la siguien e conexión. El ema de segu idad en es a he amien a en cuan o al acceso de usua ios es di ícilmen e ges ionable. En e las dos opciones es la que da más p oblemas a la ho a de asigna pe misos de usua io o de ini angos.  Base de da os no elacionales: se basan en un modelo o ien ado a documen os. Al con a io que una base de da os elacional en la que odos los egis os deben ene los mismos a ibu os, incluso acíos, a un documen o no se le exige ajus a se a un esquema es ánda , ni ene las mismas secciones, a ibu os o cla es que o o, po lo que nunca quedan a ibu os acíos. De es e modo es posible añadi nue a in o mación sin necesidad de es ablece qué in o mación queda excluida, po lo que son muy lexibles. 25 No malmen e cumplen solo algunas p opiedades ACID pa a gana e iciencia, ealizando solo ansacciones a ni el de documen o y sin ealiza un con ol sob e la in eg idad elacional. Algunos ejemplos son: o Fi ebase Real ime Da abase: es un sis ema de ges ión de bases de da os no elacionales desa ollado po Google y alojado en el se icio Fi ebase. Es e se icio p opo ciona a los desa ollado es una API que pe mi e almacena y sinc oniza da os en la nube en iempo eal, compa iendo una misma ins ancia de la base de da os y ecibiendo ac ualizaciones au omá icas al modi ica se cualquie egis o en la base de da os. Es a API es á diseñada pa a pe mi i solo ope aciones que se puedan ejecu a ápidamen e. En caso de no ene conexión, los da os pe sis en en el disco, y se ac ualizan al conec a se de nue o a la ed pa a ob ene la úl ima ac ualización de los da os. La in eg ación pa a el sis ema ope a i o And oid es la más sencilla encon ada. La segu idad del acceso de usua ios es á ges ionada po las cuen as de co eo p opias de Google. Es o hace que la segu idad de es a he amien a sea bas an e sencilla de ges iona . o MongoDB: es un sis ema de ges ión de bases de da os no elacionales o ien ada a documen os, cuyo código uen e es á abie o bajo la licencia AGPL. Al es a o ien ado a documen os, no sigue un esquema de inido den o de una misma colección, con a ibu os o columnas p esen es solo en algunos egis os. Funciona en sis emas ope a i os Windows, Linux, OS X y Sola is. Sus ca ac e ís icas más des acadas son su elocidad y el sencillo sis ema de consul a de los con enidos de la base de da os. La Tabla 3 esume los da os ecogidos de las dis in as he amien as. 32 Figu a 10. Diag ama del econocimien o de imagen 4.1.2.Diag amas de clases Figu a 11. Diag ama de clase de la capa de is as 33 Figu a 12 Diag ama de clase de la capa Con olado 34 Figu a 13 Diag ama de clase de la capa Modelo 4.2. A qui ec u a Como explican Sau e , Vögle , Spech y Flo (2005) en su lib o, el Modelo-Vis a- Con olado es un pa ón de a qui ec u a empleado pa a el desa ollo de aplicaciones so wa e que se enca ga de sepa a la lógica de negocio de la in e az de usua io. Es e pa ón ayuda a ene a ias is as ( isualización de da os), a ios con olado es (o ques ación) y elaciona los con un único modelo (ges ión de da os). Es a es la a qui ec u a que se siguió en odo el p oceso de desa ollo de es e so wa e. Pa a en a en p o undidad, se de ini án cada una de las capas que con o man es e pa ón de a qui ec u a ep esen adas en la Figu a 14. (González & Rome o, 2012). Figu a 14. Ejemplo de es uc u a Modelo-Vis a-Con olado 35 4.2.1.Modelo Rep esen ación de la in o mación que emplea el so wa e. Es a in o mación gene almen e se p esen a en o ma de base de da os la cual end á una es uc u a con igu ada po el desa ollado de la aplicación. El modelo se enca ga de ges iona odos los accesos a la in o mación, de ealiza las consul as pe inen es y de implemen a las manipulaciones de da os y los p i ilegios de acceso que se hayan desc i o en las especi icaciones del so wa e. Es e úl imo pun o se conoce como lógica de negocio. El usua io ealiza pe iciones al con olado , las cuales son ges ionadas po és e y ansmi idas al modelo. Una ez la pe ición llega al modelo, es a capa se enca ga á de en ia le a las is as aquella pa e de la in o mación solici ada. 4.2.2.Vis a Rep esen ación isual de los da os de la aplicación, in e aces g á icas y, en esumen, pa e del so wa e con la que in e ac úa el usua io. En es a capa se ecoge la in o mación ecibida de la capa de modelo y es p esen ada de o ma legible y amigable pa a el usua io. Se compone gene almen e de ex o, imágenes, campos donde in oduci in o mación, bo ones, e c. 4.2.3.Con olado Es a es la capa que o ques a la aplicación y en pa icula las in e acciones en e is as y modelos. En ella se encuen a g an pa e de la lógica de uncionamien o del so wa e y se enca ga de esponde a las pe iciones que ealiza el usua io. Es as pe iciones se ges ionan y después se llama a la capa de modelo cuando se equie a consul a , c ea , modi ica o elimina cie a in o mación. O a unción es en ia comandos a su is a asociada pa a ealiza cambios en la o ma en que se p esen a la in o mación ecibida po el modelo, como po ejemplo hace zoom o un sc oll. 4.2.4.Es uc u a de la aplicación A con inuación, se explica la o ma en la que se implemen ó la es uc u a Modelo-Vis a- Con olado den o de la aplicación y sus componen es de o ma de allada. Modelo / Model - Connec ion Clase enca gada de ealiza una conexión a la base de da os de Fi ebase y ealiza las consul as necesa ias. Es a clase cons a de mé odos o que ies que se ealiza án de o ma independien e, log ando un mayo desacoplamien o del código y lexibilidad en cuan o a escalabilidad. 36 - ge Monumen : Recibe un ID (monumen ID) de monumen o y un callback. Consul a el monumen o en la base de da os y lo de uel e po el callback. - ge Monumen s: Consul a odos los monumen os de la base de da os de Fi ebase y de uel e una lis a de ipo Monumen po el callback. - ge Loca ions: Consul a odas las localizaciones de la base de da os de Fi ebase y de uel e una lis a de ipo Loca ions po el callback. - Fi ebaseCallback In e az enca gada de p opo ciona los callbacks necesa ios pa a las consul as o que ies a la base de da os. - monumen : Callback empleado en la clase Connec ion que de uel e un obje o Monumen . - monumen s: Callback empleado en la clase Connec ion que de uel e lis a de obje os Monumen s. - loca ions: Callback empleado en la clase Connec ion que de uel e lis a de obje os Loca ion. Vis a / View - MainAc i i y Clase Main enca gada del cue po p incipal de la aplicación. P esen a á una pan alla con un menú de opciones y el bo ón pa a econoce los monumen os de una mane a más accesible. - checkPe missions: Mé odo que pide y acep a los pe misos necesa ios pa a accede a la cáma a del disposi i o y al almacenamien o pa a una pos e io ecupe ación de las imágenes. - c ea eClassi ie : C ea el obje o ImageClassi ie al que le pasa como a ibu o el g a o en enado y el a chi o con los nomb es de los obje os a econoce . - akePho o: Acción que pe mi e al usua io oma una o o, sal a a la pan alla de acep a o ein en a y en caso de acep a , empieza el p oceso de econocimien o. - classi yPho o: Recupe a la imagen omada po el usua io ans o mándola en bi map pa a inalmen e pasá sela al mé odo de clasi ica . - classi yAndShowResul : Gene a un hilo en backg ound que usa el obje o classi ie pa a econoce la imagen an e io men e omada po el usua io. - showResul : Mues a oda la in o mación del monumen o al que se le omó la o o jun o con una desc ipción y la posibilidad de escucha la en audio. 37 - Monumen sAc i i y Vis a que mues a una lis a de los monumen os disponibles pa a isi a en o ma de álbum de o os, cada uno de ellos con el nomb e co espondien e. Se empleó un iewAdap e ya que el con enido isual se almacena en la base de da os. En caso de añadi nue os monumen os en la base de da os, es a lis a se ac ualiza á en iempo eal. - Monumen sViewAdap e ViewAdap e que gene a la es uc u a pa a la isualización de la lis a de monumen os. La es uc u a se basa en un ex o con el nomb e del monumen o o edi icio con una pos e io ep esen ación g á ica del mismo. Es a is a, con ayuda del RecycleView, mos a á odos los monumen os que se encuen en en la base de da os. - Map Vis a que ca ga de la base de da os odas las localizaciones de los monumen os disponibles pa a el ou y los mues a en un mapa. Pa a la ealización de es a is a se con ó con la API de Google Maps, la cual o ece se icios como pe sonaliza los pun os de in e és donde se encuen en los monumen os, mos a los nomb es de los mismos y aza la u a más co a has a ellos. - displayMap: Una ez ca gadas las localizaciones, llama al obje o googleMap el cual las añade al mapa y cen a la is a en las coo denadas donde se encuen a la Facul ad de In o má ica de la UCM en es e caso. - His o yAc i i y En es a is a se mues an enlaces con in o mación a cada uno de los momen os his ó icos que hay en la Ciudad Uni e si a ia, incluyendo su o igen, sus e apas impo an es y su c ecimien o. Con olado / Con olle - Loca ion Obje o que e leja los a ibu os de una localización. Los a ibu os son; nomb e de la ubicación, la i ud y longi ud. (name, la , lon). - Monumen Obje o que e leja los a ibu os de un monumen o. Los a ibu os son; au o , desc ipción, echa de cons ucción, u l de la imagen, í ulo del monumen o y echa de úl ima modi icación. (au o , desc ip ion, buildingDa e, img, i le, las Modi ica ion). - ImageClassi ie Obje o que p ocesa la clasi icación de una imagen median e un g a o en enado y un a chi o de e ique as llamado labels. x . Los a ibu os de la cons uc o a son el nomb e de 38 en ada o inpu , el amaño de la imagen, las e ique as del a chi o labels. x o nomb e de los monumen os a econoce y una in e encia del Tenso Flow. - p ep ocessImageToNo malizedFloa s: Es e mé odo p ocesa la imagen en en e os de 0 a 255 y lo no maliza en base loa . - classi yImageToOu pu s: Mé odo que alimen a el g a o de Tenso Flow, lo co e y gua da un esul ado en el ou pu Name. 4.3. Tenso Flow En es a sección se explica de alladamen e como emplea Tenso Flow pa a en ena una ed neu onal capaz de econoce imágenes p opo cionadas po el usua io. Es imp escindible con a con es as imágenes, las cuales se gua da án en un eposi o io cen al y no en los clien es mó iles. Es a es uc u a se explica á más adelan e. 4.3.1.En enamien o y gene ación del g a o compu acional Pues o que odo el en enamien o se ealiza median e sc ip s de Py hon, es e pun o se desa olla á comple amen e con el uso de la consola de comandos. En p ime a ins ancia, y desde la consola de comandos, se accede á a la ca pe a donde se ins aló Py hon. La u a se á algo semejan e a lo siguien e: C: Use s use AppDa a Local P og ams. En es a u a se c ea á un en o no i ual, es deci , un en o no de Py hon que incluye un á bol de di ec o ios, así como el in é p e e y las biblio ecas p opias de Py hon y que pe mi e aisla los sc ip s con enidos en los di ec o ios de o os en o nos i uales. Pa a la c eación, podemos consul a la sección 10.1. Den o de es e en o no se debe á c ea una ca pe a po cada ipo de imagen (ca ego ía) que se quie a econoce . En cada ca pe a se gua da án odas las imágenes del mismo ipo que gua dan elación. Un pun o impo an e a ene en cuen a es el hecho de que no se pod á en ena un único ipo de imagen. Es impe a i o ene como mínimo dos ya que Tenso Flow necesi a un pun o de compa ación bina io. La es uc u a debe á se semejan e a la mos ada en la Figu a 15¡E o ! No se encuen a el o igen de la e e encia.. Figu a 15. Es uc u a de ca pe as pa a las imágenes de en enamien o El siguien e paso se á ac i a el en o no i ual con el sc ip ac i a e como se mos ó en la sección an e io . Una ez se con i me su ac i ación, es a á odo lis o pa a el p oceso de en enamien o. 39 Pa a el p oceso de en enamien o se ha á uso del sc ip e ain.py que se encuen a en la ca pe a Sc ip s den o del en o no i ual. Pa a ello se emplea á el siguien e comando: py hon . Sc ip s e ain.py --image_di . di _de_ca pe a_con_ _imagenes --a chi ec u e mobilene _1.0_224 -- how_many_ aining_s eps=500 Es e comando ejecu a á el sc ip e ain.py, busca en la ca pe a donde se han gua dado las imágenes, elije la a qui ec u a mobilne , pues o que el des ino se á una aplicación mó il, y inalmen e asigna 500 pasos de en enamien o pa a la ed neu onal. T as ejecu a el an e io comando, se gene a á una ca pe a mp en el di ec o io C: donde se gua da á el g a o en enado bajo el nomb e de ou pu _g aph.pb y un a chi o con odos los nomb es de las ca pe as de la es uc u a de imágenes que se c eó al inicio llamado ou pu _labels. x . Es e úl imo a chi o se i á de id pa a econoce las imágenes que se han en enado. No modi ica ninguno de es os a chi os. Pa a comp oba que el g a o gene ado es co ec o se in en a á ejecu a un econocimien o de una de las imágenes empleadas pa a su en enamien o. El esul ado debe á sali con un po cen aje al o, p óximo a 0.9% según se ha ob enido en las e aluaciones de p ueba ( e Sección 6.2). El comando pa a econoce una imagen es el siguien e: py hon . Sc ip s label_image.py --g aph=C: mp ou pu _g aph.pb - -labels=C: mp ou pu _labels. x --ou pu _laye = inal_ esul -- image=. di _de_ca pe a_con_ _imagenes TipoImagen_1 nomb e_imagen.jpg --inpu _laye =inpu . 4.3.2.P oceso de econocimien o den o de la aplicación En p ime a ins ancia, al inicia la aplicación y acep a los pe misos de acceso al con enido audio isual del e minal, se c ea un obje o ImageClassi ie el cual ob iene como pa áme o de su cons uc o a el g a o gene ado p e iamen e en el en enamien o con Tenso Flow y el a chi o de e ique as llamado labels. x . Con es os dos a chi os se pod á econoce imágenes asociándolas con las e ique as encon adas en labels. x . T as es o, la aplicación o ece al usua io una pan alla inicial que le sugie e econoce un monumen o. Es o se ealiza median e una o o que el usua io debe oma del monumen o a iden i ica . T as oma la o o se le p esen a al usua io la posibilidad de echaza la imagen o acep a la pa a p ocede con el econocimien o. Una ez almacenada la imagen es pasada como pa áme o al mé odo classi yPho o de la clase Main, el cual se enca ga á de ans o ma el a chi o a un Bi map. Un Bi map o mapa de bi s es una ma iz de pixeles, los cuales ienen cada uno asignados un código de colo . No obs an e, el obje i o no es es e mapa de bi s, sino una e sión eco ada o c oppedBi map. Es a úl ima e sión del a chi o a ado se pasa como pa áme o al mé odo classi yAndShowResul . El mé odo classi yAndShowResul ejecu a un hilo en backg ound que llama al obje o ImageClassi ie y emplea su mé odo ecognizeImage. A es e mé odo del ImageClassi ie se le pasa como pa áme o la a iable c oppedBi map gene ada 40 an e io men e y de ol e á un obje o esul . An es de en a en de alle en el obje o esul y como se emplea, se explica á cómo unciona el mé odo ecognizeImage. El mé odo ecognizeImage llama á al mé odo p ep ocessImageToNo malizedFloa s cuya unción se á p ocesa los da os en e os de la imagen que son de 0 a 255 con el in de no maliza los en base loa . Finalmen e se llama á a classi yImageToOu pu s. Es e úl imo mé odo ha á uso de una a iable enso FlowIn e ence que se ob end á de la lib e ía de Tenso Flow llamada o g. enso low.con ib.and oid.Tenso FlowIn e enceIn e ace. La a iable enso FlowIn e ence llama á a es mé odos, eed, un y e ch. Es os mé odos son los enca gados de alimen a el g a o con la imagen a ada, de ejecu a el algo i mo y inalmen e de e o na un alo de salida espec i amen e. Es e alo de salida se de uel e has a llega al an e io men e mencionado obje o esul . El obje o esul no es más que un da a class con dos a ibu os, un al esul : S ing y un al con idence : Floa . Es os alo es se án espec i amen e una de las e ique as que se encuen an en el a chi o labels. x y un alo en e 0 y 1 que ep esen a el umb al de acep ación de esa e ique a. Finalmen e, con una e ique a, la cual end á el mismo alo que uno de los hijos del elemen o monumen s de la base de da os, y un po cen aje de acie o, la aplicación pod á mos a la in o mación pe inen e del monumen o en cues ión. 41 4.4. Fi ebase Es a ecnología es pa e c ucial de la capa de Modelo de la aplicación. En ella se ealiza á el a amien o de la in o mación, así como las consul as eque idas. Pa a su ins alación se pueden segui los pasos del siguien e enlace: h ps:// i ebase.google.com/docs/and oid/se up?hl=es-419 4.4.1.C eación de la Base de da os Una ez se ha ag egado Fi ebase al IDE de And oid S udio, se accede á a la consola de Fi ebase que se encuen a en el siguien e enlace: h ps://console. i ebase.google.com/?pli=1 . En es a pan alla se segui án los pasos pa a la c eación de un nue o p oyec o. Figu a 16. Consola de Fi ebase T as habe c eado el p oyec o se pod á accede a la consola de Fi ebase donde se p ocede á a la c eación de la base de da os. En es a aplicación se empleó Real ime Da abase pa a la ges ión de la in o mación de CIU Tou . En el menú la e al se selecciona “Da abase” pa a accede al panel de con ol de las bases de da os de Fi ebase. Se selecciona el ipo de base de da os (como an e io men e se indicó, Real ime Da abase) y inalmen e en el bo ón de la c uz se puede c ea la base de da os en un o ma o JSON como se obse a en la imagen. También se pueden impo a JSON p opios. 48 Como puede obse a se, la aplicación cumple el c i e io de sencillez buscado du an e la ase de diseño, an o isualmen e con un aspec o sencillo, amigable y elegan e, como uncionalmen e, con el desa ollo comple o de las dis in as uncionalidades que o ece la aplicación. Figu a 24. Menú de la aplicación Figu a 25. Mapa de Ciudad Uni e si a ia Figu a 26. Lis a de monumen os Figu a 27. His o ia 49 6. E aluación gene al La aplicación se ha desa ollado en su o alidad y se ha publicado en Play S o e, pla a o ma de dis ibución digi al pa a disposi i os con sis ema ope a i o And oid. Después, se ha p ocedido a ealiza dos e aluaciones pa a la aplicación: un análisis po pa e de usua ios sob e la calidad del p oduc o (sección 6.1), y o o análisis pa a iden i ica la e ec i idad en el econocimien o y clasi icación de edi icios y monumen os (sección 6.2). 6.1. E aluación de los usua ios En es a sección se mos a án los esul ados de la e aluación de la aplicación po pa e de usua ios eales. Reco damos que a es os se les ha pedido que desca guen, desde la pla a o ma de Google Play, y u ilicen la aplicación y la e alúen a a és de una encues a online. En ningún momen o se les ha indicado como usa la, solo los edi icios y monumen os que el sis ema pe mi e econoce . 6.1.1.Obje i os de la in es igación La encues a se ealizó pa a e alua los siguien es aspec os: 1- Funcionalidad de la aplicación ( iabilidad del econocimien o de imágenes, ayuda audi i a y localización adecuada en el mapa de los monumen os). 2- U ilidad de la aplicación (sea o no miemb o de la UCM). 3- Comodidad en el uso de la aplicación. 4- Inno ación. 5- Tipo de usua io. 6- Sa is acción. 7- Mejo as u u as. El o mula io usado pa a ecopila es os da os ha cons ado de las siguien es p egun as:  Rango de edad (15-20 años, 20-25 años, 25-30 años, 30 años o más)  ¿Qué ipo de aplicaciones ienes ac ualmen e en u disposi i o? (Apps sociales ( acebook, wi e , ins ag am...), Apps de iajes, Apps de juegos, Apps de en e enimien o (películas, lib os, depo es, ...), Apps de no icias, Apps de u ilidad (calculado a, aduc o , ...), Apps de comp as). Opinión del usua io (Valo ación de 1 a 5, siendo 1 To almen e en desacue do y 5 o almen e de acue do).  La desca ga de la aplicación ha sido ácil y sencilla.  ¿Cómo ha sido u p ime a eacción al en a en la app?  Localiza adecuadamen e los monumen os en el mapa.  La ayuda audi i a de lec u a co esponde al ex o mos ado en pan alla.  Reconoce adecuadamen e los obje os en ocados.  Me gus a ía que se desa olla a comple amen e la app.  C eo que la aplicación es ú il. 50  C eo que la aplicación es ácil y cómoda de usa .  C eo que la aplicación unciona co ec amen e.  C eo que la aplicación pod ía se in e esan e pa a es udian es de la UCM.  C eo que la aplicación pod ía se in e esan e pa a el público en gene al.  C eo que la app es inno ado a.  C eo que ecomenda ía es a app a un amigo o amilia .  En gene al, es oy sa is echo con la app. Exp esa us opiniones o ecomendaciones sob e la app  ¿Qué es lo que más e ha gus ado de la app?  ¿Qué es lo que menos e ha gus ado de la app?  ¿Qué mejo as u u as e gus a ía que se desa ollasen pa a la aplicación? 6.1.2.Resul ados Los siguien es esul ados han de i ado de 35 usua ios encues ados de más de 15 años. El ango de edad puede e se en la Tabla 4. Tabla 4. Tabla de ango de edad 15 a 20 años 20 a 25 años 25 a 30 años 30 años o más Po cen aje (%) 2,9 14,3 37,1 45,7 En p ime luga , con espec o a la uncionalidad de la aplicación, se e alua on di e en es aspec os. Respec o al econocimien o de obje os, el 88,6% de los usua ios encues ados a i man que unciona adecuadamen e. El 11,4% es an e lo pun úa con un 3 sob e 5, lo que hace pensa que pueden habe enido alguna di icul ad a la ho a del econocimien o. La e aluación de es e pun o ( econocimien o de obje os) se e á en la sección 5.2. El 100% de los usua ios con i man que la ayuda audi i a de lec u a se co esponde con el ex o mos ado en pan alla. Po úl imo, en cuan o a la localización en el mapa de los monumen os, emos que el 88,6% a i man que lo ealiza adecuadamen e. Sólo el 11,4% lo alo an en una pun uación de 3 sob e 5. En segundo luga , los usua ios han e aluado la u ilidad de la aplicación. El 97,1% han a i mado que la aplicación es ú il. Además, el 97,1 c ee que la aplicación es de in e és pa a los es udian es de la UCM y el 91,4% c ee que se ía de in e és pa a el público en gene al. En e ce luga , emos que la comodidad en el uso de la aplicación ha sido e aluada posi i amen e po el 97,1% de los usua ios. Además, el 94,3% a i man que la desca ga de la aplicación ha sido ácil y sencilla. Sólo el 5,7% pa ecen habe enido alguna di icul ad pa a hace lo. 51 En cuan o a la inno ación, el 94,2% de los usua ios han a i mado que la aplicación les pa ece inno ado a. Como in o mación adicional, el 97,1% e alúan de mane a posi i a la p ime a imp esión al ab i la aplicación. El 97,1% de los usua ios a i man que les gus a ía que se desa ollase más la aplicación. Po úl imo, espec o a la sa is acción del usua io emos que el 100% han quedado sa is echo con el uso de la aplicación. Como aspec os posi i os a des aca , los usua ios mencionan los siguien es:  El econocimien o de obje os es adecuado.  La in o mación ace ca de los monumen os de la uni e sidad.  La acilidad de uso de la aplicación.  La in e az sencilla, in ui i a y es é icamen e cuidada.  La ayuda audi i a. Como aspec os a mejo a de la aplicación los usua ios p oponen los siguien es:  Mejo a el econocimien o de obje os. Es o implica op imiza el p oceso de clasi icación de los edi icios y monumen os.  Mejo a las desc ipciones de los monumen os. Es o implica ealiza un es udio p o undo sob e la his o ia de cada edi icio o monumen o que puede econoce se en la aplicación. Pues o que el obje i o e a que mos ase in o mación básica, no se ha empleado mucho iempo en el desa ollo de es e aspec o.  La in e az no es á comple a. In oduci el menú en odos las is as de la aplicación.  Mayo desa ollo en gene al de aplicación. Po úl imo, como p opues as de mejo a de la aplicación mencionan los siguien es:  Exis encia de una opción pa a accede di ec amen e a la cáma a del mó il.  Aumen a el núme o de monumen os y edi icios que econoce la aplicación.  Mos a in o mación del econocimien o en dis in os idiomas.  In oduci un sis ema GPS que pe mi a indica la dis ancia desde la localización del usua io has a los di e en es monumen os. 6.2. E aluación y esul ados de la p ecisión ob enida en el econocimien o de obje os Al ealiza se el p oceso de en enamien o de un p oceso de ap endizaje au omá ico es necesa io de e mina un núme o mínimo de imágenes pa a que el en enamien o sea mínimamen e co ec o. A mayo núme o de imágenes, mejo se á la p ecisión en el modelo de clasi icación. Sin emba go, no solo el núme o de imágenes de e mina la p ecisión. También in luye si las imágenes son una buena ep esen ación de las ca ego ías po las que se las clasi ica á pos e io men e. 52 En es e p oceso, se co e el iesgo de sob eajus a (o e i ing) o subajus a (unde i ing) el modelo al gene aliza el pa ón que pe mi e la clasi icación de un obje o.  Unde i ing: si nues os da os de en enamien o son insu icien es, el modelo no es capaz de gene aliza un pa ón su icien emen e o econoce á odo lo que ea como la misma clase. Po ejemplo, que un sis ema iden i ique a odos los animales con cua o pa as como un pe o, lo sean o no.  O e i ing: si los da os de en enamien o son excesi os, el modelo asimila á una se ie de ca ac e ís icas comunes, y en cuan o se le exija econoce ese mismo obje o con una ca ac e ís ica lige amen e dis in a, no pod á econoce lo po no cumpli exac amen e con odas las ca ac e ís icas. Un ejemplo es el colo o la luminosidad, que no ienen po qué man ene se es ables. Es muy común cae en es os p oblemas. La mane a pa a pode de e mina si el sis ema es p eciso en la clasi icación de una mues a, consis e en ealiza una alidación del modelo median e la clasi icación de mues as de alidación que no han sido u ilizadas en el en enamien o del modelo y cuya ca ego ía ya conocemos p e iamen e. Pa a ello, se ha ealizado una p ueba eal median e una se ie de cap u as de cada edi icio o monumen o, ano ándose los esul ados de la p ecisión de uel a po Tenso Flow pa a cada imagen y haciendo la media. Si el modelo iene un po cen aje al o de p ecisión en las mues as usadas en el en enamien o, y un po cen aje bajo en las mues as de alidación, es amos an e un caso de o e i ing. Si el modelo solo acie a una clase especi ica o el único esul ado que se ob iene es siemp e el mismo, se puede de e mina un p oblema po unde i ing. Conociendo el núme o de o os que se han sacado de cada monumen o o es a ua y la media de la p ecisión ob enida, se ha ealizado la e aluación. Es os da os se pueden e en la Tabla 5. 53 Tabla 5. Tabla de p ecisión media ob enida en las p uebas de econocimien o Obje o Nº imágenes usadas en en enamien o Nº p uebas ealizadas Valo medio de la p ecisión en la clasi icación con mues as no usadas en el en enamien o (%) Valo medio de la p ecisión en la clasi icación con mues as usadas en el en enamien o (%) Riesgo (o e i ing/ unde i ing) Es a ua de Alexande Dubcek 73 30 89.53 99.38 o e i ing Es a ua de Los Po ado es de la An o cha 287 30 93.03 99.33 o e i ing Es a ua de Camilo José Cela 170 30 95.93 98.01 o e i ing Es a ua de Oma Jaymay 79 30 91 99.95 o e i ing Facul ad de In o má ica 168 30 78.06 97.55 o e i ing Facul ad de Geog a ía e His o ia 215 30 95.83 99.02 o e i ing Edi icio Mul iusos 43 30 97.5 98.15 o e i ing Rec o ado 38 30 85.11 97.07 o e i ing Podemos e cla amen e que odos los modelos se han sob eajus ado. En es e caso, al ene un núme o de imágenes muy educido, podemos conclui que el núme o de pasos usado du an e el p oceso de en enamien o ha sido excesi o con espec o al núme o de imágenes. Analizando el alo medio de la p ecisión en la clasi icación de los dis in os elemen os en elación con el núme o de imágenes, podemos e dos pa ones:  Es a uas: puede e se que, a pesa de la dispa idad en el núme o de o og a ías omadas po monumen o, el alo medio de p ecisión onda el 90%. Es o iene una explicación. Al ene una supe icie pequeña, se han podido ealiza un mayo en enamien o sob e una misma zona, po lo que con meno en enamien o se iene una buena media.  Edi icios: puede e se que la di e encia en el núme o de o os omadas iene un impac o impo an e en el alo de p ecisión media. Es o se debe a que al hace se o os desde odos los ángulos de un edi icio y se es e muy g ande, cada paso del en enamien o debe aba ca una supe icie muy amplia de un edi icio y no siemp e iden i ica una sección del edi icio. 54 Hay una excepción a es a egla, el edi icio mul iusos. T as e isa las o os usadas en el en enamien o, puede e se que casi odas las o os se ealiza on sob e la achada del edi icio, po lo que el en enamien o se concen ó sob e esa supe icie, no sob e odo el edi icio, y po eso con un núme o meno de o os, se ha ob enido una buena media. Es os esul ados se han hecho con una a iedad limi ada de o os y un p oceso de ajus e poco op imizado, pues el obje i o e a que se ealiza a el econocimien o y no la op imización de dicho p oceso. Pa a ello, se necesi a ía una can idad muy supe io de imágenes de en enamien o y un p oceso de op imización del ajus e en el en enamien o del modelo de clasi icación. Es a a ea queda como pa e del abajo u u o especi icado en la sección 6.2. 6.3. Conclusión Como conclusión de es a sección, se pueden han ob enido los esul ados de las dos e aluaciones, una con usua ios eales y o a de la p ecisión en la clasi icación de los edi icios y monumen os de la UCM. Puede e se que la sa is acción de los usua ios con los di e en es aspec os de la aplicación es al a, a pesa de la de ección de pequeños e o es. También se puede de e mina que el p oceso de en enamien o pa a el algo i mo de clasi icación de las imágenes no ha sido op imizado, debido al exceso de en enamien o sob e un núme o pequeño de imágenes de en enamien o. 55 7. Conclusiones En es a sección se ealiza án las conclusiones, basadas en el cumplimien o de los obje i os de e minados en la sección 1.1 y en los esul ados de e aluación de la aplicación is os en la sección 6. Así mismo, se ealiza á una sección de abajo u u o, donde de e mina emos las posibles i e aciones u u as pa a la aplicación. 7.1. Conclusiones El obje i o gene al de es e p oyec o e a el diseño e implemen ación de una aplicación mó il pa a isi as u ís icas que pe mi iese al usua io ob ene in o mación sob e algunos edi icios y monumen os median e el ap endizaje au omá ico y el econocimien o de imágenes. Es e obje i o gene al se ha cumplido. La aplicación desa ollada pe mi e al usua io econoce los siguien es edi icios y monumen os de la UCM al isi a los:  Es a ua de Los Po ado es de la An o cha.  Es a ua de Alexande Dubcek.  Es a ua de Oma Jaymay.  Es a ua de Camilo José Cela.  Facul ad de In o má ica.  Facul ad de Geog a ía e His o ia.  Edi icio Mul iusos.  Rec o ado. Al ealiza una o og a ía, la aplicación es capaz de iden i ica y mos a in o mación básica elacionada con el edi icio o monumen o o og a iado. En caso de no econoce el edi icio o monumen o, lo indica. No se ha ealizado un p oceso de in es igación exhaus i o de la in o mación p opo cionada pa a los dis in os monumen os o edi icios, pues no e a necesa io pa a cumpli el obje i o gene al. Po ello, solo se ha p opo cionado in o mación básica, con la in ención de amplia la como mejo a u u a en base a una documen ación his ó ica y documen ada. Así mismo, se han cumplido cada uno de los obje i os especí icos de e minados en la sección 1.1. Pa a ello, se han ealizado sa is ac o iamen e las siguien es a eas: 1- Se ha ealizado un análisis de las di e en es aplicaciones elacionadas con el sec o u ís ico y/o con el econocimien o de imágenes exis en es en el me cado ac ual buscando las ca ac e ís icas y c i e ios a a o y en con a de cada una. De es a o ma, se es ablecie on cie os c i e ios necesa ios y deseables pa a la aplicación en la sección 2.3 en base a la usabilidad y comodidad de uso. Igualmen e, se han de inido o os c i e ios que se desa olla ían en un u u o al no se necesa ios pa a la ealización del obje i o gene al, pe o que pod ían añadi uncionalidades ú iles pa a el usua io en un u u o. Cabe des aca que el econocimien o y clasi icación de una imagen e a un equisi o imp escindible, así como hace la in e az y el p oceso de econocimien o lo más simple posible pa a el usua io. Así mismo, se de e minó 56 que el uso de la ealidad aumen ada o i ual no se implemen a ía, pe o que se ía ú il como desa ollo u u o pa a mejo a la in e ac i idad del usua io con la aplicación. 2- Se ha ealizado un análisis sob e las ecnologías y he amien as de machine lea ning disponibles en el momen o del desa ollo de la aplicación. De en e odas ellas, se ha elegido y aplicado la más adecuada. En es e caso Tenso Flow, que o ece nume osas uncionalidades, el uso de una ecnología en ocada a c ea aplicaciones mó iles lige as y una g an can idad de documen ación, así como el apoyo de una amplia comunidad de desa ollado es. 3- Se ha ealizado un en enamien o con un núme o a iable de imágenes de mues a de edi icios y monumen os de la UCM median e Tenso Flow. Pa a ello hubo que oma indi idualmen e o og a ías de algunos de los edi icios y monumen os localizados en la UCM y ealiza un p oceso de en enamien o con el que se gene ó un g a o compu acional que inco po a íamos a la aplicación desa ollada con pos e io idad. T as ealiza los análisis de la p ecisión de es e p oceso, se de ec a on de iciencias en el p oceso de op imización de la clasi icación y se de e mina on los mo i os. En e es os se incluyen el limi ado núme o de imágenes u ilizados en el en enamien o y el sob eajus e de i ado de un exceso de en enamien o en el p oceso de la gene ación del g a o compu acional. 4- Se ha diseñado y ealizado sa is ac o iamen e la aplicación, median e un p oceso inc emen al e i e a i o, ealizándose dis in as e siones de la aplicación, inco po ando o modi icando dis in os aspec os has a ob ene una aplicación que cumpliese el obje i o gene al. Se ha p ocu ado man ene una in e az cómoda pa a el usua io, así como inco po a elemen os pa a mejo a la expe iencia del usua io y la usabilidad de la aplicación. Se ha implemen ado el uso de la geolocalización y ambién el uso de la ecnología pa a con e i el ex o en oz. 5- Se han ealizado dos e aluaciones. Una con usua ios eales y o a de p ecisión en la clasi icación de los edi icios y monumen os de la UCM. Los esul ados de ambos análisis pueden e se en las secciones 6.1.2 y 6.2.2 del documen o. Puede e se que la sa is acción de los usua ios con los di e en es aspec os de la aplicación es muy al a, a pesa de la de ección de algunos e o es. También se puede de e mina que el p oceso de en enamien o pa a el algo i mo de clasi icación de las imágenes no ha sido op imizado, debido al exceso de en enamien o sob e pocas imágenes de en enamien o. Con los obje i os cumplidos y los análisis hechos, se ha concluido que la aplicación ha sa is echo en gene al a los usua ios, a pesa de posibles co ecciones o mejo as que puedan hace se de la aplicación. 7.2. T abajo u u o G acias al p oceso de e aluación ealizado, se han de e minado algunos allos de diseño en la in e az y posibles mejo as en cuan o a la usabilidad, la uncionalidad y la pe sonalización de la aplicación, que incluyen inco po ación de la ealidad aumen ada o la ealidad i ual, la ampliación de la base de da os, mejo as en la in e az y la 57 op imización del p oceso de clasi icación, odo ello de allado en la sección 7.2 de mejo as u u as. Cabe des aca que el p oceso de ampliación de las imágenes de en enamien o y la op imización del p oceso de clasi icación, se ían p io i a ias den o de dichas mejo as. Es as mejo as u u as pa a la aplicación se explican con más de alle a con inuación. 7.2.1. Op imización del p oceso de en enamien o de clasi icación Hemos is o que el p oceso de clasi icación de una imagen no es óp imo. Pa a mejo a el p oceso de clasi icación de una imagen, se debe án implemen a las siguien es medidas:  Uso de las he amien as de op imización o ecidas po Tenso Flow. La comunidad de Tenso Flow o ece cie as he amien as desa olladas pa a ealiza un p oceso de op imización sob e el g a o gene ado, pa a mejo a su e iciencia y la elocidad necesa ia pa a ealiza la clasi icación. Tenso Flow p o ee ambién de una he amien a de isualización del p oceso de en enamien o, pa a acili a la comp ensión, depu ación y op imización de es e p oceso, pe mi iendo la gene ación de g á icos con in o mación del endimien o.  Uso de la mínima can idad de imágenes de en enamien o. Pa a e i a el sob eajus e del sis ema, se á necesa io de e mina el mínimo conjun o de imágenes necesa io pa a el co ec o p oceso de en enamien o, an o pa a en ena el modelo como pa a alida lo. Un núme o mayo p o oca á que el sis ema se sob eajus e, asimilando cie as ca ac e ís icas que impedi án la clasi icación de las imágenes con elemen os anómalos, como pe sonas delan e del obje o a econoce o cambios en la luz.  Imágenes a iadas y equilib adas en can idad. Pa a e i a el unde i ing, el sis ema p ecisa á de una mues a de imágenes amplia y a iada de los elemen os de cada clase, que pe mi a al sis ema dispone de su icien es c i e ios pa a ealiza una clasi icación adecuada. Pa a e i a el o e i ing de una clase con espec o a las demás, p ocu a emos ealiza el en enamien o con un núme o simila de imágenes pa a cada clase.  Conjun os de imágenes pa a el en enamien o y alidación sepa ados. Se á necesa ia la di isión del conjun o o al de imágenes ob enidas de cada clase en dos subconjun os. Uno pa a el en enamien o y o o pa a la alidación. El conjun o de alidación, aunque meno , debe á dispone de una amplia a iedad de mues as pa a comp oba los esul ados una ez en enado el modelo. Es o nos pe mi i á ealiza p uebas sob e el p oceso de ajus e de la p ecisión de la clasi icación de mane a inmedia a a la gene ación del g a o compu acional gene ado, pa a pode ealiza las e aluaciones de o ma sencilla. 7.2.2. Mejo a de la in e az Con una mejo a de la in e az se log a á mayo ce canía con los usua ios y mejo mo ilidad den o de la aplicación. Los pun os impo an es po e o za en es e ema se ían los siguien es: 64  F iendly display o he lis o monumen s: The lis o monumen s could p esen a mo e use - iendly iew, o example wi h ca ousel o cascade p esen a ion sys ems, which will edi ec he use o a window wi h he in o ma ion o each o hem (i hey a e no blocked).  Imp o ed geoloca ion and mapping: The map can be imp o ed by adding unc ionali y, o example: o Geoloca ion included in he classi ica ion p ocess o imp o e ensu ing g ea e accu acy when displaying in o ma ion. o Dis ance om he monumen . An imp o emen sugges ed by use s is o be able o de e mine he dis ance o he building o monumen displayed, o ge an idea o he size. o Imp o emen in he in e ace o he geoloca ion label, adding mo e eye- ca ching bu ons o he access o he ou es o he monumen s, as well as some basic in o ma ion abou he building o monumen , such as a pho og aph.  In oduc ion o a pe sonal a ea: Add a pe sonal a ea in which use s can en e and egis e he monumen s isi ed. Also p o ide a a a name and p o ile image, as well as op ions o lea e commen s on each ecognized monumen o indica e you a o i es.  A oid ex e nal links o he applica ion. To a oid he use o hi d pa y applica ions and imp o e usabili y, all necessa y in o ma ion would be p o ided by he applica ion i sel and no h ough links o ex e nal URLs as in he case o he His o y sec ion. In addi ion, he in o ma ion may be p esen ed in a mo e pe sonalized way o he use . 8.2.3. Ex ension o he in o ma ion con ained in he da abase One o he aspec s ha has become necessa y a e he analysis o he applica ion by use s is he ex ension o he in o ma ion o e ed, bo h in e ms o he numbe o elemen s ha can be iden i ied, and he in o ma ion shown o each o hem. To his end, he use o wo s a egies will be conside ed:  Collabo a ion wi h he UCM o he acquisi ion o in o ma ion on he buildings and monumen s loca ed in i s acili ies, such as images, ele an his o ical da a, cu iosi ies and o he elemen s o ou is in e es .  Expansion o he con en wi h he collabo a ion o use s. Use s will be p o ided wi h a ool o include pho og aphs o exis ing monumen s o buildings in he sys em o e en o add new monumen s. These new images will be managed by a web se ice, which will send hese images o a eposi o y wi h which new classi ica ions can be made. 65 8.2.4. Social media A connec ion o di e en social ne wo ks will be added o imp o e he ad e ising and expansion o he applica ion, allowing use s o sha e hei expe iences, he ou es aken and he poin s o in e es hey liked he mos . Likewise, he commen s made on he social ne wo k will make i possible o know he opinion o use s ega ding he applica ion and, hanks o his, be able o de ec u u e imp o emen s. In addi ion, you can include no i ica ions o e en s o new ea u es. 8.2.5. Augmen ed eali y "The e m augmen ed eali y (AR) e e s o he di ec o indi ec isualiza ion o eal- wo ld elemen s combined (o augmen ed) wi h i ual elemen s gene a ed by a compu e , he usion o which gi es ise o a mixed eali y. The augmen a ion o eali y akes place in eal ime and akes place in seman ic consonance wi h objec s in he en i onmen ". (Cobo & Mo a ec, 2011) In gene al, augmen ed eali y mus mee he ollowing p ope ies:  Combina ion o eal and i ual objec s in in eg a ed en i onmen s.  Signals and hei econs uc ion a e execu ed in eal ime.  Alignmen o eal and i ual objec s wi h each o he .  Real and i ual objec s a e eco ded and geome ically aligned wi h each o he and wi hin space o gi e hem spa ial cohe ence. This echnology is al eady ound in many wo king en i onmen s such as in e io design o ou ism. A e y clea example o AR's po en ial is IKEA's applica ion o design a cus om oom by inse ing 3D models in a eal en i onmen . Adding augmen ed eali y can help use s o ha e a mo e imme si e expe ience when using he applica ion, p o iding isual in o ma ion while isualizing he eal objec . 66 6. Tou is guide The implemen a ion o a 3D modeled, and anima ed ou guide will appea nea each monumen when a building o monumen is su eyed. This guide will ell he his o y o he monumen , guide he use o he es o he monumen s, o e ou e ad ice, e c. This p o ides a mo e in e ac i e and a ac i e en i onmen o he use . 7. Rebuild Uni e si y Ci y The use o augmen ed eali y o simula e econs uc ions o he Uni e si y Ci y in i s di e en his o ical pe iods will allow he use o ollow his o y h ough a much mo e imme si e expe ience. By ocusing on ce ain poin s, be hey buildings, monumen s o pos e s, he use will be able o isualize a 3D econs uc ion o wha his space was like in ano he e a. This de elopmen would be one o he mos expensi e due o he his o ical s udy p ocess, he design and econs uc ion o 3D models, as well as he wo k o in eg a ing hese models in he eal en i onmen . 67 9. Con ibuciones al p oyec o En es a sección se an a de alla las a eas que han ealizado cada uno de los in eg an es del g upo en las dis in as ases pa a el desa ollo de es e p oyec o. Se debe ene en cuen a que la g an mayo ía del abajo ealizado ha sido o bien ealizado po ambos miemb os de o ma conjun a o e isado y co egido po ambos miemb os. 9.1. Con ibución de A u o Ma ino Quin ana En es e pun o se edac a la con ibución de A u o Ma ino Quin ana en el p oyec o. 9.1.1.Es ado del a e El es ado del a e ue un pun o decisi o pa a la o ma en la que se desa olla ía el p oyec o, po lo que se dedicó mucho iempo a indaga las di e en es ecnologías disponibles y a ealiza el es udio de las ca ac e ís icas que debía ene la aplicación.  Es udio de las ca ac e ís icas y uncionalidades de aplicaciones exis en es en el me cado que ealicen a eas de econocimien o de imágenes, aplicaciones gala donadas en el ámbi o del u ismo y aplicaciones elacionadas con la ealidad aumen ada o la ealidad i ual.  Realización del análisis de la compe encia.  Recopilación de ca ac e ís icas sob e las he amien as de ap endizaje au omá ico, así como de su uncionalidad e implemen ación. Se ealiza on p uebas sob e la implemen ación de a ias he amien as du an e es e p oceso.  Realización del análisis de las he amien as de ap endizaje au omá ico.  Recopilación de he amien as pa a la implemen ación de la base de da os, así como su uso e implemen ación. 9.1.2.Diseño e implemen ación  Ob ención de las imágenes pa a la ealización del en enamien o del g a o compu acional usado pa a la clasi icación de las imágenes. Pa a ello, jun o son S e ano, se p odujo a la cap u a de o og a ías de los dis in os elemen os a iden i ica .  Gene ación de g a o compu acional usado pa a la clasi icación de imágenes en Tenso Flow. Es e g a o hubo de gene a se epe idas eces a medida que se añadían imágenes.  Implemen ación de la is a p incipal, el menú y la is a de his o ia.  Implemen ación, jun o con S e ano, de Tenso Flow en el p oyec o. 68  Diseño del Modelo Vis a Con olado en conjun o con S e ano. 9.1.3.E aluación con usua ios La e aluación de los usua ios ha sido cla e en la ob ención de las conclusiones y pa a de e mina el abajo u u o de la aplicación, así como una medida au oc í ica sob e el abajo ealizado, eniendo en cuen a la complejidad de las ecnologías con las que se ha a ado.  C eación del o mula io pa a la ob ención de los c i e ios de e aluación jun o con S e ano.  Análisis de los esul ados de la e aluación, en unción de los esul ados ob enidos a a és del o mula io p e iamen e mencionado y a las p uebas ealizadas y desc i as en la sección 6.2 de la memo ia.  Conclusiones de las dis in as e aluaciones. 9.1.4.Memo ia  Redacción del esumen de la memo ia.  Redacción de la in oducción (sección 1), donde se incluyen la especi icación de los obje i os, el plan de abajo y una b e e in oducción al ap endizaje au omá ico.  Redacción del es ado del a e (sección 2), incluyendo la ecopilación de los da os ob enidos en la ecopilación de la in o mación sob e las dis in as aplicaciones, he amien as y ecnologías y los análisis, así como las conclusiones.  Redacción de e aluación gene al (sección 6), incluyendo el p oceso pa a la ob ención de los c i e ios de e aluación y el análisis de los esul ados ob enidos.  Redacción de las conclusiones (sección 7.1).  Re isión y co ección gene al de la memo ia. 9.2. Con ibución de S e ano Mazzuka Cassani En es e pun o se edac a la con ibución de S e ano Mazzuka Cassani en el p oyec o. 9.2.1.Es ado del a e  Es udio de las ca ac e ís icas y uncionalidades de aplicaciones exis en es en el me cado que ealicen a eas de econocimien o de imágenes y aplicaciones 69 gala donadas en el ámbi o del u ismo. Hubo que busca ealiza un es udio de las aplicaciones semejan es con el p opósi o de añadi un ac o di e encial a la ho a de desa olla CIU Tou .  Recopilación de he amien as de ap endizaje au omá ico, así como su uncionalidad e implemen ación. Se busca on a ias al e na i as de ap endizaje au omá ico e incluso o as como Vu o ia se u ie on en cuen a pa a ealiza el econocimien o de monumen os, pe o inalmen e se op ó po Tenso Flow.  Recopilación de he amien as pa a la implemen ación de la base de da os, asi como su uso e implemen ación. De en e las he amien as conocidas e in es igadas, se empleó Fi ebase como sis ema de almacenamien o de da os de la aplicación:  Análisis de las he amien as de base de da os. 9.2.2.Diseño e implemen ación  Ob ención de las imágenes de en enamien o del g a o compu acional. Se ob u ie on imágenes pa a cada monumen o y edi icio que se que ía iden i ica .  Gene ación de g a o compu acional usado pa a la clasi icación de imágenes en Tenso Flow. El en enamien o del g a o con las imágenes ecolec adas u o un pe íodo de du ación de cua en a y cinco minu os.  C eación de is as: Lis a de monumen os y mapa. La is a de mapa hace uso de la API de Google llamada Google Maps y la in eg ación de la misma y el al a en la cuen a de Google APIs co ió al ca go de S e ano.  Diseño del Modelo Vis a Con olado. El diseño del modelo is a con olado co ió a ca go de ambos in eg an es del equipo.  Desa ollo de los diag amas: C eación de diag amas de clase y ac i idad.  Diseño de la es uc u a de la BBDD. Se es uc u ó la base de da os según las necesidades de la aplicación. 9.2.3.E aluación con usua ios  C eación del o mula io pa a la ob ención de los c i e ios de e aluación jun o con A u o. Los o mula ios enían como inalidad ecoge in o mación de usua ios que hubiesen empleado la aplicación pa a pode pos e io men e a a esos da os.  Ob ención del alo medio de la p ecisión en la clasi icación con mues as no usadas en el en enamien o (%) y alo medio de la p ecisión en la clasi icación con mues as usadas en el en enamien o (%), usados pa a la e aluación de la p ecisión ob enida en el econocimien o y clasi icación de edi icios y monumen os. 70 Pa a es o se ealiza on p uebas de econocimien o an o a edi icios, empleando la aplicación e minada, como al p opio g a o desde consola pasándole ein a imágenes de cada monumen o y edi icio. 9.2.4.Memo ia  Redacción de la sección 3 y 4, con el desa ollo de los sis emas elacionados y la implemen ación del p oyec o.  Manual de usua io (sección 5): Manual de ins ucciones de uso de la aplicación pa a usua ios nue os en CIU Tou .  Redacción del abajo u u o (sección 7.2).  C eación del apéndice sob e la ins alación de Te so Flow y la ob ención del g a o compu acional pa a la clasi icación de imágenes (sección 11), dónde se ecoge paso a paso el p o ocolo seguido pa a una co ec a ins alación del Tenso Flow.  Re isión gene al y co ecciones sob e la memo ia. 71 10. Bibliog a ía Azuma, R., Baillo , Y., Beh inge , R., Feine , S., Julie , S., & MacIn y e, B. (2001). Recen Ad ances in Augmen ed Reali y. IEEE Compu e G aphics and Applica ions, 14. Camb one o, C. G., & Mo eno, I. G. (2006). Algo i mos de ap endizaje: knn & kmeans. In elgencia en Redes de Comunicación, Uni e sidad Ca los III de Mad id. Ob enido de h p://www.i .uc3m.es/~j illena/i c/p ac icas/08-09/06.pd González, Y. D., & Rome o, Y. F. (2012). Pa ón Modelo-Vis a-Con olado . Re is a Telemá ica, 11(1), 47-57. Ko le , M. (2001). Wha Is MySQL?. In MySQL (pp. 3-19). Ap ess, Be keley, CA. h ps://doi.o g/10.1007/978-1-4302-0853-2_1 Minsky, M. (1986). La sociedad de la men e: la in eligencia humana a la luz de la in eligencia a i icial. Ediciones Galápago. Paja es, M. G., & De La C uz, J. (2010). Ap endizaje Au omá ico un En oque P ác ico. RA-MA SA Edi o ial y Publicaciones. ISBN-10: 8499640117. Paja es, G., & San os, M. (2006). In eligencia a i icial e ingenie ía del conocimien o. Al aomega G upo Edi o . Romaní, C. C., & Mo a ec, J. W. (2011). Ap endizaje in isible: Hacia una nue a ecología de la educación (Vol. 3). Edicions Uni e si a Ba celona. Shale -Shwa z, S., & Ben-Da id, S. (2014). Unde s anding Machine Lea ning: F om Theo y o Algo i hms. Camb idge Uni e si y P ess. Ob enido de h ps://www.cs.huji.ac.il/~shais/Unde s andingMachineLea ning/unde s anding- machine-lea ning- heo y-algo i hms.pd 72 Sau e , P., Vögle , G., Spech , G., & Flo , T. (2005). A Model–View–Con olle Ex ension o Pe asi e Mul i-clien Use In e aces. Pe sonal Ubiqui ous Compu ., 9(2), 100–107. h ps://doi.o g/10.1007/s00779-004-0314-7 Schwabe , K. (1997). Sc um de elopmen p ocess. In Business objec design and implemen a ion (pp. 117-134). Sp inge , London. Schwabe , K., & Beedle, M. (2002). Agile so wa e de elopmen wi h Sc um (Vol. 1). Uppe Saddle Ri e : P en ice Hall. Schwabe , K & Su he land, J. (2017). La guía de Sc um. Recupe ado de h ps://www.sc umguides.o g/docs/sc umguide/ 2017/2017-Sc um-Guide- Spanish-Sou hAme ican.pd Takeuchi, H., & Nonaka, I. (1986). The new new p oduc de elopmen game. Ha a d business e iew, 64(1), 137-146. Tomás, D., Vicedo, J. L., Suá ez Cue o, A., Bisbal Asensi, E., & Mo eno Bo ona , L. (2005). Una ap oximación mul ilingüe a la clasi icación de p egun as basada en ap endizaje au omá ico. P ocesamien o del lenguaje na u al, nº 35 (sep . 2005); pp. 391-398. 73 11. Apéndices En es a sección se de alla á pa e del abajo ex a ealizado indicando paso a paso la co ec a ins alación de Tenso Flow que se ha ealizado du an e la ejecución del p oyec o. Se ha conside ado la edacción de es a sección debido a la complejidad de la ins alación y a los p oblemas de incompa ibilidad en e e siones dis in as de los dis in os so wa e in oluc ados. 11.1. Ins alación Tenso Flow TensoFlow emplea sc ip s en Py hon, po lo cual el p ime paso se á el de ins alación de Py hon 3.6.0. Es impe a i o conse a las e siones que se expond án pa a e i a u u os e o es de compa ibilidad en e TensoFlow, Py hon y o as he amien as. - PASO I Ins ala Py hon Pa a la desca ga se i á a la página o icial de Py hon que se encuen a en el siguien e enlace. Una ez ahí en el apa ado de Downloads se ha á click en all eleases y se desca ga á la e sión 3.6.0 como se mues a en la imagen 3.1 Imagen 3.1 Una ez desca gado el a chi o se p ocede á a la ins alación del mismo. Muy impo an e es ene ac i o el check de ag ega u a al PATH pa a pode accede a Py hon desde cualquie pun o del sis ema den o de la consola de comandos. T ans la ins alación de Py hon es impo an e einicia el o denado pa a pos e io men e pode comp oba que ha sido exsi osa. Pa a es a comp obación se ab i á la consola de comandos y se in oduci á la siguien e línea de comandos: py hon -- e sion lo cual mos a á la e sión de Py hon ins alada en el sis ema al como se mues a en la imagen 3.2. En caso de no econoce la ins ucción, algún paso ha ido mal y se debe ol e a ás.