Visión por ordenador (CV)

La Visión por Ordenador (VC) es un campo especializado dentro de la Inteligencia Artificial (IA) que permite a los ordenadores y sistemas obtener información significativa a partir de imágenes digitales, vídeos y otras entradas visuales. Esencialmente, su objetivo es reproducir la comprensión visual humana, permitiendo a las máquinas "ver", interpretar y tomar decisiones basadas en datos visuales. Esto implica procesar la información visual utilizando algoritmos complejos y modelos de aprendizaje profundo (DL) para reconocer objetos, comprender escenas y extraer ideas de alto nivel. A diferencia del simple procesamiento de imágenes, que se centra principalmente en mejorar o manipular los datos de la imagen (como ajustar el brillo o aplicar filtros), la visión por ordenador trata de comprender el contenido y el contexto de las imágenes.

Importancia en la IA y el aprendizaje automático

La Visión por Computador es fundamental para muchos sistemas modernos de IA y Aprendizaje Automático ( AM), ya que proporciona las capacidades necesarias para que las máquinas interactúen con el mundo físico y lo comprendan mediante la percepción visual. La llegada de técnicas como las Redes Neuronales Convolucionales (CNN), inspiradas en la corteza visual humana, ha revolucionado la VC. Estas redes permiten que los modelos aprendan automáticamente características jerárquicas a partir de grandes cantidades de datos visuales, lo que ha dado lugar a mejoras significativas en la precisión de diversas tareas de visión por ordenador. Este progreso permite aplicaciones sofisticadas que antes eran inalcanzables, haciendo de la VC una piedra angular del desarrollo actual de la IA y un motor clave para los casos de uso de la IA que transforman nuestro futuro.

Conceptos y tareas clave

La visión por ordenador abarca una amplia gama de tareas destinadas a extraer distintos tipos de información de los datos visuales. Algunas tareas básicas son:

• Clasificación de imágenes: Asignar una única etiqueta o categoría a toda una imagen (por ejemplo, identificar una imagen como si contuviera un "gato" o un "perro"). Para esta tarea se suelen utilizar conjuntos de datos como ImageNet.
• Detección de objetos: Identificar la presencia y ubicación de varios objetos dentro de una imagen, normalmente dibujando recuadros delimitadores a su alrededor y asignando etiquetas de clase (por ejemplo, localizar todos los "coches" y "peatones" en una escena callejera). Modelos como Ultralytics YOLO se utilizan mucho para la detección eficaz de objetos.
• Segmentación de imágenes: Clasificar cada píxel de una imagen para que pertenezca a un determinado objeto o región. Esto proporciona una comprensión más detallada que la detección de objetos. Los tipos incluyen la segmentación semántica (etiquetar píxeles por categorías) y la segmentación por instancias (diferenciar instancias individuales de objetos dentro de la misma categoría). Consulta una guía sobre segmentación y seguimiento de instancias.
• Estimación de la pose: Detección de la posición y orientación de los puntos clave de un objeto, a menudo utilizada para la estimación de la pose humana (identificación de articulaciones) o el seguimiento de objetos rígidos. Más información sobre el entrenamiento personalizado para la estimación de la pose del perro.
• Seguimiento de objetos: Identificar y seguir objetos específicos a lo largo de varios fotogramas de una secuencia de vídeo. Combina la detección de objetos con el análisis temporal. Explora la detección y seguimiento de objetos con Ultralytics YOLOv8.
• Flujo óptico: Estimación del movimiento de los objetos o de la cámara entre fotogramas consecutivos de un vídeo.

Visión computerizada frente a campos relacionados

Es útil distinguir la Visión por Computador de las disciplinas relacionadas:

• Procesamiento de Imágenes: Se centra en la manipulación de imágenes a un nivel inferior, a menudo como paso previo al CV. Las tareas incluyen la reducción del ruido, la mejora del contraste y el filtrado mediante bibliotecas como OpenCV. El procesamiento de imágenes modifica los píxeles, pero no necesariamente interpreta el contenido de la imagen. Lee más sobre las diferencias clave entre Visión por Computador y Procesamiento de Imágenes.
• Visión Artificial (VM): Aunque se solapa con la VC, la VM se refiere normalmente a la aplicación de la tecnología de visión en entornos industriales para la inspección automatizada, el control de procesos y el guiado de robots. Los sistemas de VM suelen funcionar en entornos controlados con iluminación y configuraciones de cámara específicas, centrándose en la fiabilidad y la velocidad para tareas específicas como la inspección de calidad en la fabricación. Más sobre Visión Artificial.

Tecnologías y marcos

El desarrollo de aplicaciones de visión por ordenador depende de varias herramientas, bibliotecas y marcos de trabajo:

• Bibliotecas: OpenCV (Open Source Computer Vision Library) es una biblioteca fundacional que ofrece una amplia colección de algoritmos para el procesamiento de imágenes y tareas clásicas de CV. Otras bibliotecas son Pillow para la manipulación de imágenes en Python y Scikit-image para algoritmos de procesamiento de imágenes.
• Marcos de aprendizaje profundo: PyTorch y TensorFlow son los principales marcos para construir y entrenar modelos de aprendizaje profundo, incluidos los utilizados en CV.
• Modelos: Los modelos más avanzados, como YOLO (You Only Look Once), proporcionan una detección eficaz de objetos en tiempo real. Arquitecturas como ResNet son las columnas vertebrales habituales, y los Transformadores de Visión (ViT) representan una clase más reciente de modelos que están ganando protagonismo. Compara el rendimiento de distintos modelosYOLO .
• Plataformas: Herramientas como Ultralytics HUB agilizan el proceso de formación, despliegue y gestión de modelos CV, ofreciendo funciones como la formación en la nube y la gestión de conjuntos de datos. Otras plataformas como Roboflow y Weights & Biases ofrecen herramientas complementarias para la anotación de datos y el seguimiento de experimentos.

Aplicaciones en el mundo real

Las aplicaciones de la visión por ordenador son cada vez más frecuentes en diversos sectores:

• Vehículos autónomos: La CV es fundamental para los coches autónomos, ya que les permite percibir su entorno, detectar peatones y otros vehículos, leer las señales de tráfico y navegar con seguridad. Empresas como Waymo y Tesla dependen en gran medida de los sistemas de CV. Explora las soluciones de IA en Automoción.
• Sanidad: En el análisis de imágenes médicas, la VC ayuda a los radiólogos a detectar anomalías como tumores o fracturas en radiografías, tomografías computarizadas y resonancias magnéticas. También se utiliza en cirugía robótica y monitorización de pacientes. Ver investigación de Radiología: Inteligencia Artificial. Descubre cómo se utilizaYOLO11 para la detección de tumores.
• Seguridad y Vigilancia: La CV potencia los sistemas de vigilancia automatizados, detectando intrusiones, siguiendo a personas y analizando el comportamiento de las multitudes. Mira cómo construir un sistema de alarma de seguridad.
• Comercio minorista: Las aplicaciones incluyen la gestión de inventarios mediante la supervisión de estanterías, el análisis del comportamiento de los clientes y los sistemas de caja sin cajeros, como los de Amazon Go.
• Fabricación: Se utiliza para el control de calidad, la detección de defectos, la supervisión de la cadena de montaje y la automatización robótica. Aprende a crear soluciones de fabricación inteligentes con YOLO11.
• Agricultura: Permite la agricultura de precisión mediante la supervisión de cultivos, la detección de enfermedades, la identificación de malas hierbas y la cosecha automatizada. Infórmate sobre el control de la salud de los cultivos en tiempo real.
• Entretenimiento: Se utiliza en la producción cinematográfica para efectos especiales, captura de movimientos, y en los juegos para crear experiencias inmersivas. Explora la IA en los videojuegos.