Data Labeling

El etiquetado de datos es el proceso de añadir información de referencia a los datos sin procesar, como el nombre de una clase para una imagen, un cuadro delimitador alrededor de cada coche de una foto de calle o la transcripción de un clip de audio, para que los modelos de aprendizaje supervisado puedan aprender de ellos. Las etiquetas definen la tarea: un modelo aprende a predecir exactamente lo que describen las etiquetas, con la misma precisión y coherencia. La anotación de datos es un sinónimo, y quienes realizan este trabajo se llaman etiquetadores o anotadores. El etiquetado suele ser el paso más lento y costoso de crear datos de entrenamiento, por eso muchos flujos de trabajo hacen que un modelo proponga etiquetas y que las personas las corrijan.

Tipos de etiquetas en visión artificial#

El formato de las etiquetas depende de la tarea que debe realizar el modelo:

• Clasificación de imágenes: Una clase por imagen, como «defectuoso» o «correcto» para una pieza de una línea de inspección.
• Detección de objetos: Un cuadro alineado con los ejes y una clase por cada objeto de interés.
• Cuadros delimitadores orientados: Cuadros girados que encajan con objetos alargados o en ángulo, como barcos y vehículos en imágenes aéreas.
• Segmentación de instancias: Un polígono o una máscara de píxeles que delimita cada objeto por separado.
• Segmentación semántica: Una clase para cada píxel, como carretera, acera y cielo, sin separar los objetos individuales.
• Estimación de pose: Puntos clave en puntos de referencia fijos, como los 17 puntos de COCO, desde la nariz y los ojos hasta los tobillos, a menudo con un indicador de visibilidad para cada uno.

El esfuerzo aumenta con el nivel de detalle. Dibujar un cuadro de alta calidad para ILSVRC, el conjunto de datos del desafío ImageNet, llevó unos 35 segundos, y los clics extremos, en los que los anotadores hacen clic en los puntos superior, inferior, más a la izquierda y más a la derecha del objeto en lugar de arrastrar las esquinas, redujeron el tiempo a 7 segundos con cuadros de la misma calidad. Los polígonos y las máscaras de píxeles requieren aún más tiempo. Fuera del ámbito de la visión, las etiquetas marcan segmentos de entidades para el reconocimiento de entidades nombradas (NER), el sentimiento para la clasificación de texto y las transcripciones para el reconocimiento del habla.

Flujo de trabajo de etiquetado#

Los proyectos de etiquetado empiezan con directrices escritas que definen cada clase y resuelven los casos límite antes de empezar: si hay que encuadrar un coche que está oculto en un 90 %, cuánto ceñirse a las extremidades de un ciclista y qué hacer con los reflejos, los objetos diminutos y las multitudes. En el etiquetado asistido por modelos, un modelo entrenado con las etiquetas recopiladas hasta el momento preetiqueta las imágenes nuevas; los anotadores corrigen sus errores, los revisores comprueban una muestra y cada modelo reentrenado hace que las propuestas de la siguiente ronda sean más precisas. El aprendizaje activo añade un paso de selección a este ciclo para que las personas etiqueten primero las imágenes sobre las que el modelo tiene más dudas.

El editor de anotaciones de Ultralytics Platform integra este ciclo: su modo Smart convierte un clic en una máscara con los modelos Segment Anything de Meta, o añade predicciones de modelos YOLO preentrenados o ajustados por ti como anotaciones preliminares. El mismo paso de preetiquetado se ejecuta en Python con un detector YOLO26, que escribe sus predicciones en el formato de etiquetas utilizado para el entrenamiento:

from pathlib import Path

from ultralytics import YOLO

# Carga un detector YOLO26 nano preentrenado para proponer etiquetas
model = YOLO("yolo26n.pt")

# Haz una predicción sobre una imagen sin etiquetar
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]

# Escribe una fila «class x_center y_center width height» por objeto, normalizada entre 0 y 1
label_file = result.save_txt("bus.txt")

# Muestra las etiquetas preliminares que revisará un anotador
print(Path(label_file).read_text())

Cada fila impresa contiene un índice de clase COCO seguido del centro, el ancho y la altura del cuadro como fracciones del tamaño de la imagen: el formato de etiquetas YOLO, que el entrenamiento lee directamente una vez que un anotador ha corregido los cuadros erróneos o que faltaban. Para las clases que ningún detector preentrenado conoce, Ultralytics Platform puede anotar automáticamente conjuntos de datos de detección con modelos de lenguaje y visión que encuentran objetos a partir de sus nombres, y la clasificación de VLM compara la precisión con la que cada modelo etiqueta imágenes del mundo real.

Calidad de las etiquetas#

Un modelo no puede ser más coherente que sus etiquetas, y los errores son habituales incluso en conjuntos de datos famosos. Un estudio sobre errores de etiquetado en 10 referencias de uso generalizado estimó que, de media, al menos el 3,3 % de las etiquetas de prueba son incorrectas, incluidas al menos el 6 % del conjunto de validación de ImageNet. Los equipos detectan errores con varias comprobaciones habituales:

• Preguntas de control: Elementos con respuestas conocidas que se mezclan en la cola de cada etiquetador para medir su precisión; a menudo se extraen de un conjunto de datos patrón.
• Etiquetado superpuesto: Dos o más anotadores etiquetan los mismos elementos y su grado de acuerdo se evalúa mediante la kappa de Cohen para las etiquetas de clase o la intersección sobre unión (IoU) entre sus cuadros y máscaras.
• Auditoría basada en modelos: Un modelo entrenado señala las etiquetas con las que discrepa claramente, y herramientas como cleanlab clasifican los errores de etiquetado más probables para que una persona los revise.

Etiquetado de datos y términos relacionados#

• Anotación de datos: Sinónimo. Los equipos de visión artificial suelen hablar de anotación cuando se refieren a geometrías dibujadas, como cuadros y máscaras.
• Aprendizaje semisupervisado: Un modelo etiqueta por sí mismo los datos sin etiquetar y conserva sus propias predicciones de confianza alta como pseud etiquetas, sin revisión humana.
• Aprendizaje activo: Decide qué elementos etiquetan las personas a continuación, normalmente aquellos sobre los que el modelo actual tiene más dudas.
• Limpieza de datos: Corrige problemas de un conjunto de datos, como duplicados, archivos dañados y formatos incoherentes, incluidos errores en las etiquetas detectados después del etiquetado.
• Datos sintéticos: Imágenes renderizadas o generadas cuyas etiquetas proporciona gratuitamente el generador, ya que conoce la disposición exacta de la escena, a costa de que exista una diferencia entre las imágenes sintéticas y las reales.