Magíster en Ciencias, Mención Computación. Ingeniera Civil en Computación / Desde hace varios años que el mercado de las ventas en línea presenta un crecimiento sostenido debido a la oportunidad y facilidad que le entrega a usuarios de las nuevas tecnologías para adquirir lo que ellos deseen sin tener que salir de sus casas. Un caso particular de este fenómeno es la industria de la moda. Esto último se ve favorecido principalmente por el uso masivo de redes sociales, las cuales le permiten a los usuarios compartir la manera en que se visten convirtiéndose en iconos de la moda solo al subir fotos. Varias tiendas y redes sociales han visto este hecho como una oportunidad de negocio, la cual consiste en permitirle a sus usuarios tomar fotos de sus ídolos de moda y buscar en diferentes tiendas prendas similares a las que ellos ocupan, de manera de ``compartir'' su estilo. En la comunidad de visión por computadora este proceso se trata como un problema de búsqueda por similitud. Esto es, dada una consulta, mostrar al usuario los productos que se parecen más al objeto buscado. En el caso de la moda la problemática surge al intentar comparar las consultas con las imágenes de los catálogos de diferentes tiendas, ya que estas últimas tienden a presentar a una modelo usando más de una prenda que la imagen trata de representar, lo que se traduce en que la imagen de consulta y las de los catálogos no son comparables directamente. Este último punto empeora la calidad de los resultados de cualquier sistema de recuperación. Considerando el problema anterior es que este trabajo busca estudiar métodos de etiquetado (o detección) de ropa que permitan descubrir las reales zonas de interés de las imágenes de los catálogos de manera de poder comparar estas regiones con las consultas. De esta manera nuestra hipótesis es que el usar métodos de etiquetado de ropa para preprocesar los catálogos mejora la calidad de los sistemas de recuperación con respecto a los resultados obtenidos sin pre procesarlos. Entrenamos Faster R-CNN y YOLOv2 como métodos de etiquetado, de los cuales Faster R-CNN presenta mejores resultados. Para entrenar estos métodos recolectamos un dataset con alrededor de 150,000 imágenes etiquetadas. Los datos se recolectan usando crowd sourcing. Una vez entrenados dos métodos de etiquetado presentamos experimentos que permiten medir la calidad del etiquetado, y luego otros que permiten validar nuestra hipótesis. Estos últimos experimentos miden la calidad de la recuperación con respecto al estado del arte en función de dos puntos: calidad de los resultados y usabilidad en una aplicación real. Vemos que la calidad de los resultados al usar el etiquetado es similar a la de los métodos del estado del arte, sin embargo, nuestro método se traduce en tiempos de búsqueda 18x menores. Finalmente presentamos los resultados de dichos experimentos presentando métricas estándar que permiten medir la calidad de los resultados. Además se analiza la usabilidad de las técnicas presentadas. Mostramos además ejemplos visuales de los resultados obtenidos.

Ingeniero Civil Industrial / La creciente incidencia de la tecnología en los procesos de compra ha facilitado poder hacer seguimiento de los clientes a través de las distintas etapas que componen una compra, tanto en formatos físicos como digitales. En partciular en una tienda física es posible conocer la ubicación del cliente a largo de su visita a la sala de ventas. En el presente trabajo se cuenta con la secuencia de ubicaciones seguidas por los clientes al interior de un supermercado en la ciudad de Santiago, estos fueron capturados a través de sensores dispuestos en la sala de ventas que detectan aquellos dispositivos móviles con la opción de wifi encendida. El principal objetivo del presente trabajo es entender como esta nueva fuente de información puede ayudar a enriquecer los análisis que se hacen actualmente sobre comportamiento de compra, donde generalmente solo se usan datos transaccionales. Para esto el análisis se divide en 3 partes: temporal, espacial y relacional. Primero los datos son pre procesados aplicando filtros sobre estos para restringir el análisis sobre secuencias de ubicaciones que correspondan a viajes de compra. En particular se definen criterios sobre las zonas en que son detectadas las observaciones y la duración de las visitas a la sala de ventas. Una vez hecho esto se analiza como varía la frecuencia de observación de acuerdo con las distintas trayectorias observadas. De esta parte se concluye que una gran fracción de las observaciones no puede ser asignada a un viaje de compra. Posteriormente se analizan los datos en su dimensión temporal a través de las variables hora de llegada y visitas por día. Estos datos se contrastan con variables análogas obtenidas a través de datos transaccionales. El principal resultado que se obtiene de esta comparación es que los patrones observados en datos transaccionales son consistentes con los obtenidos a través de datos móviles. Adicionalmente se logra estimar el tiempo que están los clientes al interior de la sala de ventas lo que no es posible con los datos transaccionales. Luego se analizan los datos en su dimensión espacial, esto es como se mueven los clientes al interior de la sala de ventas. En particular se construye el indicador de velocidad y se estudia como este varía de acuerdo con distintas variables. Una vez hecho esto se analiza cómo cambian los resultados al introducir correcciones a las trayectorias capturadas. Finalmente se comparan las visitas a ciertas zonas de la sala de ventas con las compras registradas en dichas zonas. El principal resultado de esta parte es la detección de brechas entre las compras y las visitas en distintas zonas de la sala de ventas. Esta información tiene el potencial de ser usada para mejorar la oferta de la sala de ventas en layout, ubicación de producto y ofertas entre otros.

Ingeniero Civil Eléctrico / La síntesis de haces resuelve el problema de generar patrones de radiación más complejos que los que se puede generar con antenas individuales o arreglos de estas. Para ello se manipula la fase y la amplitud de la alimentación de cada elemento del arreglo, lo que permite focalizar la emisión o recepción de la potencia en ciertos lugares del espacio. Tanto en radioastronomía, como en las telecomunicaciones, esta tecnología da la posibilidad de observar el espacio de manera selectiva y/o en múltiples direcciones de manera simultanea, lo cual permite disminuir tiempos de barrido (para el caso de radiotelescopios) o descongestionar canales creando enlaces directivos. Este trabajo presenta la implementación de un sintetizador digital de múltiples haces, utilizando un arreglo planar de de 4x4 antenas tipo parche, capaz de generar tres patrones patrones directivos, cuyo procesamiento se realiza íntegramente en una FPGA (Field Programmable Gate Array). El arreglo está sintonizado para operar en 5.81 GHz, con un ancho de banda de 40 MHz. La señal es convertida a banda base por un conjunto de tarjetas de electrónica analógica. Se han realizado dos pruebas experimentales para verificar el funcionamiento del sistema: una emulando condiciones ideales de excitación, de modo de eliminar interferencias ajenas al experimento, y otra situando el arreglo en un extremo de una habitación vacía, siendo iluminado por una fuente puntual en el otro extremo. Los resultados permiten concluir que la síntesis de haces es satisfactoria, generando haces cuyo lóbulo principal es de 20º de ancho, con la capacidad rotar la dirección en que apuntan en todo el hemisferio visible del arreglo.