Adaptación
Adaptación
Adaptación
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Paradigmas de<br />
Computación Inteligente<br />
Curso de Doctorado del Programa<br />
Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería<br />
Criterios de Calidad para el<br />
Robustecimiento<br />
Tarea Visual en un entorno real<br />
Condiciones “óptimas”<br />
Condiciones que se pueden dar en la realidad
Necesidad de robustez en los sistemas de<br />
visión<br />
Realización de tareas visuales de reconocimiento<br />
siguiendo el criterio de robustez → Cuello de botella<br />
debido a la variación de las imágenes producida por<br />
cambios ambientales.<br />
Sistema de visión → baja estabilidad en su efectividad<br />
en relación con variaciones del entorno<br />
Necesidad de robustez en los sistemas de<br />
visión<br />
Identificar los parámetros de la imagen que afectan al<br />
rendimiento de la tarea e intentar que el sistema tenga<br />
la capacidad de adaptarse a los cambios de estos<br />
parámetros<br />
Variables esenciales: aquellas que se modifican sobre<br />
los datos por acción externa al sistema pero que<br />
influyen en su efectividad
Necesidad de robustez en los sistemas de<br />
visión<br />
Ф = vector de variables esenciales<br />
ξ = medida de efectividad del sistema<br />
Necesidad de robustez en los sistemas de<br />
visión<br />
Introducir un módulo previo que “estabilice el flujo de<br />
las imágenes entrantes” ⇒ Ampliar de manera efectiva<br />
el rango de valores de las variables esenciales en el que<br />
la eficiencia del sistema resulte óptima
RH Regulador homeostático<br />
Q RH Módulo de medida de<br />
calidad de las imágenes a<br />
la salida del regulador<br />
Control Homeostático<br />
SV Sistema de visión<br />
Q SV Módulo de medida<br />
de calidad del<br />
comportamiento del<br />
sistema de visión<br />
Q G Realimentación con medición de calidad<br />
general: Medición directa de la calidad del<br />
sistema de visión, de otras modalidades<br />
sensoriales o de supervisión.<br />
Sistema Adaptativo<br />
Adición de un controlador homeostático al sistema<br />
de visión → <strong>Adaptación</strong><br />
¿Qué es un sistema adaptativo?<br />
Un sistema que cambia frente a perturbaciones (p.e. cambios<br />
del entorno) para mantener algún tipo de invariante (p.e.<br />
supervivencia, eficiencia) modificando sus propiedades (p.e.<br />
comportamiento, estructura) o modificando el entorno.<br />
Definición operacional: un sistema que mantiene algún tipo de<br />
invariante respondiendo así a las perturbaciones.
Sistema Adaptativo<br />
¿Es igual un sistema robusto que uno adaptativo?<br />
Sistema Robusto → Posee la capacidad de soportar un<br />
rango de perturbaciones antes de decaer el<br />
rendimiento del agente.<br />
Sistema Adaptativo → Es tolerante a cambios<br />
mediante la monitorización activa de las perturbaciones<br />
y compensa su efectos.<br />
Di Paolo, E. A., (2005). Autopoiesis, adaptivity, teleology, agency. Phenomenology and the Cognitive Sciences,<br />
4(4): 429 - 452.<br />
Tipos de adaptación<br />
<strong>Adaptación</strong> significa cambios en el sistema, pero no<br />
cualquier cambio:<br />
Diferentes significados<br />
solo cambios adecuados de “adecuado” dan lugar<br />
a diferentes tipos de<br />
adaptación.<br />
dentro de una norma
Tipos de adaptación<br />
Task-based: Cambios que permiten completar una<br />
tarea cuando ésta es modificada. (significado más<br />
usual en sistemas artificiales).<br />
Monkey & Bananas<br />
A hungry monkey is in a room. Suspended from the roof,<br />
just out of his reach, is a bunch of bananas. In the corner<br />
of the room is a box. The monkey desperately wants the<br />
bananas but he can’t reach them. What shall he do?
Monkey & Bananas (2)<br />
After several unsuccessful attempts to reach the bananas,<br />
the monkey walks to the box, pushes it under the bananas,<br />
climbs on the box, picks the bananas and eats them.<br />
The hungry monkey is now a happy monkey.<br />
Tipos de adaptación<br />
Task-based: Cambios que permiten completar una<br />
tarea cuando ésta es modificada. (significado más<br />
usual en sistemas artificiales).<br />
Sub-organismic: Mecanismo dentro del organismo<br />
que mantiene algunas propiedades internas<br />
(homeostasis celular). Puede dar lugar a fenomenos a<br />
nivel orgánico tales como la habituación.
Regulación presión arterial<br />
Regulación nivel de glucosa en sangre
Tipos de adaptación<br />
Task-based: Cambios que permiten completar una<br />
tarea cuando ésta es modificada. (significado más<br />
usual en sistemas artificiales).<br />
Sub-organismic: Mecanismo dentro del organismo<br />
que mantiene algunas propiedades internas<br />
(homeostasis celular). Puede dar lugar a fenomenos a<br />
nivel orgánico tales como la habituación.<br />
Organismic: Cambios que mantienen las propiedades<br />
esenciales del organismo (p.e. los que garantizan la<br />
supervivencia, identidad, autonomía, etc.).<br />
Evolution in action:<br />
Giraffe neck length
Happy Giraffes<br />
Hungry Giraffes
Surviving Giraffes<br />
Tipos de adaptación<br />
Ecológico: Cambios que mantienen determinados<br />
patrones de comportamiento de uno o varios<br />
organismos. Recuperación de invariantes sensoriales<br />
y motoras y de comportamientos habituales.
Tipos de adaptación<br />
Experimento de inversión del campo visual (dcha ↔<br />
izda) realizado por 4 estudiantes durante 35 días.<br />
Sekiyama K, Miyauchi S, Imaruoka T, Egusa H, Tashiro T. (2000). Body image as a visuomotor transformation<br />
device revealed in adaptation to reversed vision, Nature. Sep 21;407; 374-7<br />
Tipos de adaptación<br />
Ecológico: Cambios que mantienen determinados<br />
patrones de comportamiento de uno o varios<br />
organismos. Recuperación de invariantes sensoriales<br />
y motoras y de comportamientos habituales.<br />
Evolutivo: Cambios en la distribución del fenotipo<br />
debido a diferenciaciones en supervivencia o<br />
reproducción. Las nuevas propiedades se pueden<br />
considerar como adaptadas y ocurren a nivel de<br />
poblaciones.
Norma<br />
Para decir que un cambio es adecuado o apropiado es<br />
necesario utilizar un “entorno normativo” donde se<br />
especifican qué cosas están bien y cuáles están mal.<br />
En algunos entornos como escenarios basados en<br />
tareas el “entorno normativo” es definido de forma<br />
arbitraria por el diseñador (norma externa global). En<br />
otros escenarios la situación puede ser más compleja.<br />
Emociones y control homeostático<br />
Antonio Damasio estudia el comportamiento desde el<br />
punto de vista emocional.<br />
Estudio de las emociones como una parte de la<br />
actividad cerebral → lóbulo frontal<br />
Define tres niveles de emociones:<br />
– Primarias → Relacionadas con el sistema<br />
inmunológico y endocrino<br />
–Secundarias → Relacionadas con la expresividad<br />
de las emociones<br />
–Terciarias → Relacionadas con las sensaciones o<br />
afectos<br />
Damasio, Antonio R. (1994). Descartes' Error. New York, NY, USA: G. P. Putnam's Sons.
Emociones y control homeostático<br />
Emociones primarias o innatas<br />
– Encargadas de las decisiones acerca de la<br />
supervivencia del individuo<br />
– Reside en la amígdala.<br />
– Funciones de adaptación y homeostasis<br />
Control homeostático en sistemas artificiales<br />
W. Ross Ashby propone una aproximación operacional<br />
a la adaptación → El organismo no se considera una<br />
máquina con propósito.<br />
Variables esenciales de un organismo están<br />
relacionadas con variables esenciales para la<br />
supervivencia como temperatura corporal, nivel de<br />
glucosa, …<br />
Ashby considera que un comportamiento es<br />
adaptativo si contribuye a mantener las variables<br />
esenciales dentro de los límites tolerables.<br />
Homeostasis es un ejemplo de un mecanismo de bajo<br />
de nivel de auto-corrección.<br />
W. Ashby. (1960) Design for a Brain. Chapman.
Control homeostático en sistemas artificiales<br />
<strong>Adaptación</strong> sub-organismic ⇒ mantener ciertas<br />
variables internas a unos niveles adecuados cambiando<br />
el comportamiento del sistema → Homeostasis<br />
Control homeostático en sistemas artificiales<br />
¿Dónde implementar el control<br />
homeostático?<br />
Sistema con un nivel alto de complejidad y<br />
que desarrolle su actividad en un entorno<br />
cambiante<br />
Robótica móvil
Control homeostático en sistemas artificiales<br />
AuRA Autonomous Robot Architecture (Arkin & Balch, 1997)<br />
Battery charge<br />
Motor Temperature<br />
Motor Performance<br />
Arkin, R.C., Balch, T.: AuRA: Principles and practice in review. Journal of Experimental and Theoretical<br />
Artificial Intelligence 7 (1997) 175–188<br />
R. Arkin et al., An ethological and emotional basis for human-robot interaction, Special Issue on Socially<br />
Interactiv e Robots, Robotics and Autonomous Systems 42 (3-4) (2003).<br />
reactive deliberative<br />
Arquitectura AuRA
Control Homeostático en sistemas de visión<br />
¿Cómo incluir el concepto de homeostasis en un<br />
Sistema de Visión?<br />
Percepción<br />
Visión Reconstructivista<br />
“Computer vision is the construction of explicit, meaningful descriptions of physical<br />
objects from images” (Ballard & Brown)<br />
Mundo Representación Conocimiento<br />
Imágenes<br />
12.364<br />
ACCIÓN<br />
x<br />
1.788<br />
Percepción<br />
Simbólica<br />
I.A.<br />
D. H. Ballard and C. M. Brown, Computer Vision. Englewood Cliffs, New Jersey: Prentice Halls, Inc., 1982.
Percepción<br />
12.364<br />
x<br />
1.788<br />
Visión Activa<br />
Mundo Representación Conocimiento<br />
Imágenes<br />
Feedback<br />
HARDWARE<br />
ACCIÓN<br />
Aproximaciones en Visión Activa:<br />
Objetivo &<br />
Reacción<br />
Reacci<br />
1.Control de la atención<br />
Feedback<br />
SOFTWARE<br />
Percepción<br />
Simbólica<br />
Limitar la percepción a:<br />
• Zonas de interés de la imagen<br />
• Zonas de movimiento<br />
• Objetos próximos/lejanos<br />
• Un conjunto de pistas útiles para la tarea a resolver<br />
2.Percepción foveal<br />
I.A.<br />
Visión Activa<br />
• Construir un sensor de resolución variable (hardware o software)<br />
3.Control de mirada: estabilización y sacada<br />
• Detección de puntos salientes en la imagen, tracking, estabilización<br />
óptica.<br />
4.Coordinación percepción/acción<br />
• Coordinación mano/ojo<br />
• Recorrer terrenos accidentados
Visión Activa<br />
Paradigma de Visión Activa → observador está<br />
activamente involucrado en el proceso perceptual.<br />
La evolución de paradigma de Visión Activa hacia el<br />
paradigma de Visión como Proceso → estrategias de<br />
percepción están controladas por la interacción del<br />
sistema con entorno para alcanzar un objetivo<br />
específico.<br />
Visión Activa<br />
Sistema de Adquisición en un sistema de visión activa<br />
→ Sistema percepto/efector<br />
Introducir un mecanismo de control homeostático<br />
que actue sobre los parámetros que lo controlan
<strong>Adaptación</strong> en un Sistema de Visión<br />
Condiciones ambientales inciales E → Parámetros δ<br />
Condiciones cambian a E’ → Parámetros δ’<br />
<strong>Adaptación</strong> en un Sistema de Visión<br />
Introducir un módulo previo que “estabilice el flujo de<br />
las imágenes entrantes” ⇒ Ampliar de manera efectiva<br />
el rango de valores de las variables esenciales en el que<br />
la eficiencia del sistema resulte óptima
<strong>Adaptación</strong> en un Sistema de Visión<br />
Efectividad en un sistema de visión se ve afectada<br />
por la calidad de las imágenes<br />
Calidad de las imágenes utilizadas por un sistema de<br />
visión por computador depende de varias elementos<br />
(variables esenciales):<br />
Luminancia<br />
Balance de blanco<br />
Contraste<br />
Tamañode losobjetosde interés<br />
RH Regulador homeostático<br />
Q RH Módulo de medida de<br />
calidad de las imágenes a<br />
la salida del regulador<br />
Control homeostático<br />
SV Sistema de visión<br />
Q SV Módulo de medida<br />
de calidad del<br />
comportamiento del<br />
sistema de visión<br />
Q G Realimentación con medición de calidad<br />
general: Medición directa de la calidad del<br />
sistema de visión, de otras modalidades<br />
sensoriales o de supervisión.
Arquitectura del Control Homeostático<br />
Drives (Velasquez, 1998)<br />
Procesos computacionales<br />
encargados de mantener<br />
cada variable esencial<br />
dentro del regimen<br />
homeostático<br />
Hormonas (Cañamero,1997)<br />
Reflejan el estado global<br />
del sistema<br />
Velasquez, J.D.: Modeling emotion-based decision making. In Cañaamero, D., ed.: Emotional and Intelligent: The<br />
Tangled Knot of Cognition. AAAI Press (1998) 164–169<br />
Cañamero, D.: Modeling motivations and emotions as a basis for intelligent behavior. In Lewis, J., ed. Proceedings<br />
of the First Int. Symposium on Autonomous Agents, New York, ACM Press (1997) 148–155<br />
Sistema Hormonal<br />
Hormonas sintéticas asociadas a cada variable<br />
esencial del sistema<br />
Permite introducir interdependencias entre los<br />
drives<br />
Transformación desde el valor de cada variable al<br />
valor de cada hormona → función sigmoide:<br />
a) igual rango para todas las<br />
hormonas independiente de<br />
la variable asociada<br />
b) definir diferentes<br />
umbrales
<strong>Adaptación</strong> en un Sistema de Visión<br />
Efectividad en un sistema de visión se ve afectada<br />
por la calidad de las imágenes<br />
Calidad de las imágenes utilizadas por un sistema de<br />
visión por computador depende de varias elementos<br />
(variables esenciales):<br />
Luminancia<br />
Balance de blanco<br />
Contraste<br />
Tamañode losobjetosde interés<br />
Constancia de color<br />
Constancia de luminancia: Una superficie acromática presenta al<br />
humano la misma luminancia indeferente a distintos condiciones<br />
de iluminación.<br />
– Indoor illumination: 100 photons<br />
• Black: 10 photons<br />
• White: 90 photons<br />
– Outdoor Illumination: 10,000 photons<br />
• Black: 1000 photons<br />
• White: 9000 photons<br />
Constancia cromática:
Control de Luminancia<br />
Imagen muy clara Imagen muy oscura<br />
Estimación → Nivel de gris<br />
promedio en un espacio de<br />
color luminancia/crominancia<br />
(HSI, YUV, …)<br />
Control de Luminancia
Imagen se divide en 5 regiones<br />
Control de Luminancia<br />
Asignar diferentes pesos a cada región ⇒<br />
definir distintas estrategias dependiendo de la<br />
tarea en concreto (Visión como Proceso)<br />
L<br />
L<br />
L<br />
uniform<br />
centered<br />
selective<br />
(L0<br />
=<br />
+ L1<br />
+ L2<br />
+ L3<br />
+ L4<br />
)<br />
5<br />
= 0.8L2<br />
L0<br />
+ 0.2<br />
+ L1<br />
+ L3<br />
+ L4<br />
4<br />
L2<br />
= 0.8<br />
+ L4<br />
L0<br />
+ 0.2<br />
2<br />
+ L1<br />
+ L<br />
3<br />
3<br />
≡ Average grey level<br />
on region<br />
<strong>Adaptación</strong> en un Sistema de Visión<br />
Efectividad en un sistema de visión se ve afectada por<br />
la calidad de las imágenes<br />
Calidad de las imágenes utilizadas por un sistema de<br />
visión por computador depende de varias elementos<br />
(variables esenciales):<br />
Luminancia<br />
Balance de blanco/Constancia de color<br />
Contraste<br />
Tamaño de los objetos de interés<br />
Li<br />
i
Constancia de luminancia:<br />
Constancia de color<br />
Constancia cromática:<br />
– Capacidad de los humanos de percibir el color de una<br />
superficie del mismo color en distintas condiciones de<br />
iluminación: intensidad o temperatura de color.<br />
– El SVH realiza algún tipo de proceso en la escena completa<br />
que nos permite determinar el color aparente de la<br />
superficie.<br />
Constancia de Color<br />
En aplicaciones basadas en color es necesario tener<br />
una determinada constancia de color porque<br />
dependiendo de la temperatura de la fuente de luz<br />
que ilumina la escena, el mismo color puede aparecer<br />
diferente.<br />
Photometer: 1.0, 0.3, 0.3<br />
Fenómeno: Cuadrados de<br />
color con la misma radiancia<br />
de color dan diferentes<br />
percepciones de color bajo<br />
diferentes iluminaciones<br />
White light Colored light<br />
Audience: “Red” Audience: “Blue”
Expermientos de Land’s<br />
Edwin H. Land, "Color Vision and the Natural Image: Part I," in Proceedings of the National Academy of Sciences,<br />
Vol. 45, No. 1, pp. 115-129, January 1959.<br />
Edwin H. Land, "Color Vision and the Natural Image: Part II," in Proceedings of the National Academy of<br />
Sciences, Vol. 45, No. 4, pp. 636-644, April 1959.<br />
Color blanco con diferentes temperaturas<br />
CIE XYZ
Constancia de Color<br />
La constancia del color en el sistema visual humano<br />
→ Control de ganancia en el espacio de conos LMS<br />
[von Kries,1902]<br />
La hipótesis de Von Kries aplicarla a un sistema de<br />
adquisición de imágenes<br />
Hipótesis de Von Kries<br />
Constancia de Color<br />
Si se conoce la iluminación o una parte que es blanca<br />
en la escena se puede calcular
Valor del pixel devuelto por la cámara<br />
R*gain R G<br />
B*gain B<br />
Constancia de Color<br />
Constancia de Color
ed<br />
blue<br />
diff<br />
diff<br />
= green − g<br />
red<br />
= green − g<br />
Grey World Model<br />
blue<br />
⋅ red<br />
⋅ blue<br />
Constancia de Color<br />
Consideración: el promedio de las tres componentes<br />
(RGB) debe ser igual en la imagen<br />
red<br />
blue<br />
diff<br />
diff<br />
→ 0<br />
g<br />
g<br />
Adjusting<br />
→ 0 Adjusting<br />
red<br />
blue<br />
g<br />
g<br />
red<br />
≡ Red gain<br />
≡ Blue gain<br />
<strong>Adaptación</strong> en un Sistema de Visión<br />
Efectividad en un sistema de visión se ve afectada por<br />
la calidad de las imágenes<br />
Calidad de las imágenes utilizadas por un sistema de<br />
visión por computador depende de varias elementos<br />
(variables esenciales):<br />
Luminancia<br />
blue<br />
Balance de blanco/Constancia de color<br />
Contraste (AutoFocus)<br />
Tamañode losobjetosde interés
Aplicaciones basadas en contornos ⇒ Buen<br />
contraste ⇒ Imagen enfocada.<br />
Autofocus<br />
Autofocus
Recordando:<br />
Al variar el<br />
diafragma se altera<br />
la cantidad de luz<br />
que recibe el sensor<br />
y se modifica la<br />
profundidad de<br />
campo<br />
Cuanto mayor es la<br />
apertura menor es<br />
la profundidad de<br />
campo<br />
Si varía la distancia del objeto a la cámara<br />
Autofocus<br />
Autofocus<br />
Puede ocurrir que quede fuera de la profundidad de<br />
campo<br />
Aparece el objeto desenfocado en la imagen<br />
Actuar sobre el parámetro de focus de la cámara para<br />
enfocar el objeto de interés
Autofocus<br />
Autofocus<br />
Alto contraste en la imagen → Mayor número de<br />
componentes de alta frecuencia en la imagen
Autofocus<br />
Autofocus<br />
Enfoque en cámaras:<br />
Sistemas activos ⇒ Estimar posición del objeto (luz<br />
o ultrasonido) y ajustar la posición de las lentes<br />
Sistemas pasivo ⇒ Se basan en la imagen obtenida<br />
– Región de la imagen a ser enfocada<br />
– “Sharpness function” → medida de nivel de<br />
contraste<br />
– Algoritmo de búsqueda del máximo en la<br />
“sharpness function”
Sharpness Functions (Autofocusing in Computer Microscopy: Selecting the<br />
Optimal Focus Algorithm<br />
YU SUN,STEFAN DUTHALER, AND BRADLEY J. NELSON, 2004)<br />
Sharpness Functions (Autofocusing in Computer Microscopy: Selecting the<br />
Optimal Focus Algorithm<br />
YU SUN,STEFAN DUTHALER, AND BRADLEY J. NELSON, 2004)
Comparación medidas de foco en entornos de<br />
interacción hombre máquina<br />
Comparación de 6 medidas de foco en dos entornos de<br />
interacción:<br />
Scenarios Focus measures<br />
• Tenengrad<br />
• Histogram entropy<br />
• Sum of modified laplacian<br />
• Energy laplace<br />
• Contrast measure<br />
• Bayes spectra entropy<br />
J. Lorenzo, O. Déniz, M. Castrillón and C. Guerra, “Comparison of Focus Measures in Face Detection<br />
Environments” in Proceedings of the Foruth International Conference on Informatics in Control, Automation and<br />
Robotics, Vol. 2, pp. 418-423, May 2007.<br />
Results for Tenengrad measure
Results for Histogram Entropy measure<br />
Results for Constrast measure
Results for SML measure<br />
Results for Energy Laplacian measure
Results for Bayes Spectral Entropy<br />
measure<br />
Autofocus – Búsqueda Máximo<br />
Contrast Two phase Measure AF method Curve<br />
1. Compute contrast measure with β step<br />
2. Fit a quadratic curve with A, B , C points
¿Realmente el control homeostático<br />
mejora la efectividad de un sistema de<br />
visión?<br />
Aplicación Control Homeostático<br />
Condiciones del experimento:<br />
• Entorno de oficina<br />
• Condiciones de luz cambiantes<br />
• Tarea de detección de caras →<br />
ENCARA
• Initial step:<br />
β=25<br />
ENCARA Face Detector Architecture<br />
• First phase<br />
max.=8171125<br />
• Lens pos.=125<br />
• Estimated<br />
max.= 8202766<br />
• Lens pos.=116<br />
• Color blob detection<br />
• Ellipse approximation<br />
• Integral projection<br />
• Eye detection<br />
• Scale and translate to fit a standard<br />
position and size<br />
• Eigeneye test ⇒ PCA projection<br />
and reconstruction →<br />
Reconstruction error<br />
AutoFocus
Face Detection Rate – Luminance and White<br />
Balance<br />
As performance measure for the face detection<br />
task we define the ratio between the number of<br />
images per second and the number of faces<br />
detected in these images<br />
Lights on Lights off Lights on Lights off<br />
Control Homeostático Adaptativo<br />
Lights on Lights off
RH Regulador homeostático<br />
Q RH Módulo de medida de<br />
calidad de las imágenes a<br />
la salida del regulador<br />
No Auto-size<br />
auto-size<br />
Control homeostático<br />
SV Sistema de visión<br />
Q SV Módulo de medida<br />
de calidad del<br />
comportamiento del<br />
sistema de visión<br />
Q G Realimentación con medición de calidad<br />
general: Medición directa de la calidad del<br />
sistema de visión, de otras modalidades<br />
sensoriales o de supervisión.<br />
Face Detection Rate – Size
Aplicación Control Homeostático<br />
Condiciones del experimento:<br />
•Robot móvil<br />
• Condiciones de luz cambiantes: tunel<br />
• Tarea de seguimiento de línea<br />
Arquitectura Control Homeostático
Stress<br />
Sistema Hormonal: Interdependencia entre<br />
Drives<br />
Interdependencias entre drives → Control difuso<br />
IF luminance not in homeostatic regime THEN<br />
increase luminance drive frequency<br />
decrease white balance drive frequency<br />
END<br />
IF luminance in urgent recovery THEN<br />
increase luminance recovery rate<br />
END<br />
IF white balance in urgent recovery THEN<br />
increase white balance recovery rate<br />
END<br />
IF luminance in urgent recovery THEN<br />
decrease robot velocity<br />
END
Sistema Hormonal: Interdependencia entre<br />
Drives<br />
That’s all<br />
folks!