Trabajos futuros

El enfoque planteado para el desarrollo de la herramienta SyncBoards, da lugar a nuevas investigaciones y trabajos futuros. A continuación, se presentan algunos de estos posibles cambios.

Uno de los trabajos futuros más importantes se basa en la posibilidad de reconocer tableros físicos creados a mano. En estos tableros, se podrían crear los elementos mediante el uso de sticky notes escritas a mano. La herramienta debería ser capaz de reconocer todo tipo de tableros existentes. Para dar lugar a esta implementación, se deberían hacer dos cambios a la herramienta actual. Por un lado, se deberían agregar imágenes de ejemplo de todos los tipos de elementos que se desean detectar. Por el otro lado, se debería reemplazar el sistema de extracción de textos. Actualmente, la extracción de los textos contenidos por los elementos, únicamente funciona con textos impresos. Sería necesario implementar un sistema que permita leer los textos escritos a mano.

Otro importante trabajo futuro implica brindar a los usuarios la posibilidad de marcar errores en la detección de un tablero físico. Los usuarios deberían ser capaces de marcar cuando un elemento no fue detectado, o si fue detectado incorrectamente.

Luego, se deberían agregar las imágenes marcadas por los usuarios, como ejemplos de cada elemento. Periódicamente se debería entrenar a la red utilizando los nuevos ejemplos aportados. De esta forma, la detección de tableros iría mejorando a medida que es usada por los usuarios de la herramienta.

Por último, con el propósito de aumentar la performance de la herramienta, a la hora de localizar los diferentes elementos, se podría utilizar Region Proposal Network [48]. De esta forma, sería posible detectar la región de los diferentes elementos en el tablero, sin la necesidad de utilizar una ventana deslizante. Esto reduciría significativamente la cantidad de tiempo computacional necesario para localizar los elementos. Es importante destacar, que el proceso de clasificación y localización de los elementos, consume aproximadamente la mitad del tiempo necesario para sincronizar los tableros.

Referencias

[1] Scrum Alliance. “The Biennial State of Scrum Report”. 2015. Disponible online: https://www.scrumalliance.org/why-scrum/state-of-scrum-report. Accedida 15 de octubre, 2016.

[2] VersionOne. “10th Annual State of Agile Report”, 2015. Disponible online: https://versionone.com/pdf/VersionOne-10th-Annual-State-of-Agile-Report.pdf. Accedida 18 de octubre, 2016.

[3] Jan Segers. “Analysis of a paper- and software-based Scrum task board”. Business Information Technology MSc Thesis, Universiteit Twente, 2012.

[4] Nayan Hajratwala. “Task Board Evolution”. Proceedings of the 2012 Agile Conference, pp. 111-116, 2012.

[5] Ethem Alpaydın. “Introduction to Machine Learning”. MIT Press, 2014.

[6] Yoav Freund; Robert E. Schapire. “Large Margin Classification Using the Perceptron Algorithm”. Machine learning 37 (3), pp. 277-296, 1999.

[7] Frank Rosenblatt. “The perceptron: a probabilistic model for information storage and organization in the brain”. Psychological review 65 (6), p.386, 1958.

[8] Jamal Nazzal; Ibrahim El-Emary; Salam Najim. “Multilayer Perceptron Neural Network (MLPs) For Analyzing the Properties of Jordan Oil Shale”. World Applied Sciences Journal 5 (5), pp. 546-552, 2008.

[9] Douglas Hawkins. “The Problem of Overfitting”. Journal of chemical information and computer sciences 44 (1), pp. 1-12, 2004.

[10] Tom Dietterich. “Overfitting and undercomputing in machine learning”. ACM computing surveys (CSUR) 27 (3), pp. 326-327, 1995.

[11] Yann LeCun; Yoshua Bengio; Geoffrey Hinton. “Deep learning”. Nature 521 (7553), pp. 436-444, 2015.

[12] Nitish Srivastava; Geoffrey Hinton; Alex Krizhevsky; Ilya Sutskever; Ruslan Salakhutdinov. “Dropout: A Simple Way to Prevent Neural Networks from Overfitting”. Journal of Machine Learning Research 15 (1), pp. 1929-1958, 2014.

[13] Lutz Prechelt. “Automatic early stopping using cross validation: quantifying the criteria”. Neural Networks 11 (4), pp. 761-767, 1998.

[14] Rich Caruana; Steve Lawrence; Lee Giles. "Overtting in Neural Nets: Backpropagation, Conjugate Gradient, and Early Stopping". Advances in Neural Information Processing Systems 13: Proceedings of the 2000 Conference. Vol. 13, p. 402. MIT Press, 2001.

[15] Ian Goodfellow; Yaroslav Bulatov; Julian Ibarz; Sacha Arnoud; Vinay Shet. “Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks”. arXiv preprint arXiv:1312.6082, 2013.

[16] Jawad Nagi; Frederick Ducatelle; Gianni Di Caro. “Max-pooling convolutional neural networks for vision-based hand gesture recognition”. Signal and Image Processing Applications (ICSIPA), IEEE International Conference on, pp. 342-347, 2011.

[17] Thomas Perry. “Drifting toward invisibility: The transition to the electronic task board”. In Agile Conference. AGILE'08, pp. 496-500, 2008.

[18] Kevin Hogan. “Can't Get Through: Eight Barriers to Communication”. Pelican Publishing, 2003.

[19] Sutherland, Jeff, Scott Downey, and Björn Granvik. “Shock therapy: A bootstrap for hyper-productive scrum.” In Agile Conference. AGILE'09, pp. 69-73, 2009.

[20] Spartez. “Agile Cards for JIRA”. Disponible online: https://confluence.spartez.com/display/ScrumPrint/. Accedida 21 de octubre, 2016.

[21] Flow Technologies. “WallSync”. Disponible online: http://www.wallsync.net/. Accedida 21 de octubre, 2016.

[22] Jimdo. “JimFlow”. Disponible online: http://jimflow.jimdo.com/. Accedida 21 de octubre, 2016.

[23] “Truffler”. Disponible online: http://www.truffler.org/. Accedida 21 de octubre, 2016.

[24] Minii Pty Ltd. “QR Cards”. Disponible online:

https://marketplace.atlassian.com/plugins/au.com.minii.jira-qr-cards-plugin/server /overview. Accedida 21 de octubre, 2016.

[25] James Bergstra; Olivier Breuleux; Frédéric Bastien; Pascal Lamblin; Razvan Pascanu; Guillaume Desjardins; Joseph Turian; David Warde-Farley; Yoshua

Bengio. “Theano: A CPU and GPU Math Compiler in Python”. In Proc. 9th Python in Science Conf, pp. 1-7, 2010.

[26] Martín Abadi; Ashish Agarwal; Paul Barham; Eugene Brevdo; Zhifeng Chen; Craig Citro. “TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems”. arXiv preprint arXiv:1603.04467, 2016.

[27] D. Hardt; M. Jones. “The OAuth 2.0 Authorization Framework: Bearer Token Usage”. Request For Comments, RFC 6750, 2012.

[28] Niels Provos; David Mazières. “Bcrypt algorithm”. USENIX, 1999.

[29] M. Jones; J. Bradley; N. Sakimura. “Json web token (jwt)”. Request For Comments, RFC 7519, 2015.

[30] Li Li; Wu Chou. “Design and describe REST API without violating REST: A Petri net based approach”. Web Services (ICWS), IEEE International Conference on, pp. 508-515, 2011.

[31] R. Fielding; J. Gettys; J. Mogul; H. Frystyk; L. Masinter; P. Leach; T. Berners-Lee. “Hypertext Transfer Protocol - HTTP/1.1”. Request For Comments, RFC 2616, 1999.

[32] J. Franks; P. Hallam-Baker; J. Hostetler; S. Lawrence; P. Leach; A. Luotonen; L. Stewart. “HTTP Authentication: Basic and Digest Access Authentication”. Request For Comments, RFC 2617, 1999.

[34] Ian Hickson. “Web storage” World Wide Web Consortium Recommendation REC-webstorage-20130730, 2013.

[35] Ray Smith. “An overview of the Tesseract OCR engine”. Conference on Document Analysis and Recognition (ICDAR), IEEE Computer Society, pp. 629-633, 2007.

[36] Lee R. Dice. “Measures of the Amount of Ecologic Association Between Species”. Ecology 26 (3), pp. 297-302, 1945.

[37] Seyyed-Mohammad; Javadi-Moghaddam; Stefanos Kollias. “A Fuzzy Similarity Measure for XML Documents”. International Conference on Emerging of Networking, Communication and Computing Technologies (ICENCCT), 2014.

[38] Stéfan van der Walt; S. Chris Colbert; Gaël Varoquaux. “The NumPy Array: A Structure for Efficient Numerical Computation”. Computing in Science & Engineering 13 (2), pp. 22-30, 2011.

[39] E. Jones; T. Oliphant; P. Peterson. “SciPy: Open source scientific tools for Python”, 2001.

[40] Carsten Høilund. “The Radon Transform”. Aalborg University, Vision, Graphics and Interactive Systems (VGIS), 2007.

[41] Jafari-Khouzani; Kourosh; Hamid Soltanian-Zadeh. “Radon transform orientation estimation for rotation invariant texture analysis”. IEEE Transactions on Pattern Analysis and Machine Intelligence 27 (6), pp. 1004-1008, 2005.

[42] John Canny. “A Computational Approach to Edge Detection”. IEEE Transactions on pattern analysis and machine intelligence (6), pp. 679-698, 1986.

[43] Allam Mousa. “Canny Edge-Detection Based Vehicle Plate Recognition”. International Journal of Signal Processing, Image Processing and Pattern Recognition 5 (3), pp. 1-8, 2012.

[44] Chirag Patel; Chirag Patel; Dharmendra Patel. “Optical character recognition by open source OCR tool tesseract: A case study”. International Journal of Computer Applications 55 (10), 2012.

[45] Derek Bradley; Gerhard Roth. “Adaptive thresholding using the integral image”. Journal of graphics, gpu, and game tools 12 (2), pp. 13-21, 2007.

[46] Alex Krizhevsky; Ilya Sutskever; Geoffrey E. Hinton. G.E. “Imagenet classification with deep convolutional neural networks”. In Advances in neural information processing systems, pp. 1097-1105, 2012.

[47] Schwaber, K.; Beedle, M. "Agile software development with Scrum". Vol 1. Upper Saddle River: Prentice Hall, 2002.

[48] Shaoqing Ren; Kaiming He; Ross Girshick; Jian Sun. “Faster r-cnn: Towards real-time object detection with region proposal networks”. In Advances in neural information processing systems, pp. 91-99, 2015.

[49] Kanellopoulos; Wilkinson. “Strategies and best practice for neural network image classification.” International Journal of Remote Sensing, 18 (4), pp.