Clasificación de imágenes

La clasificación de imágenes es una tarea fundamental en la visión artificial (CV) que implica asignar una única etiqueta específica a una imagen completa de un conjunto predefinido de categorías. El objetivo principal es identificar el tema principal de una imagen y clasificarlo en consecuencia. Por ejemplo, un modelo de clasificación analizaría una imagen y generaría una etiqueta como "gato", "perro" o "coche". Esta tarea forma la base de muchas aplicaciones de CV más complejas y es un componente central del aprendizaje automático (ML). El proceso se basa en algoritmos, especialmente las Redes Neuronales Convolucionales (CNN), para aprender características distintivas de grandes conjuntos de datos etiquetados.

Cómo funciona la clasificación de imágenes

Los modelos de clasificación de imágenes se entrenan mediante aprendizaje supervisado, donde se les proporciona una gran cantidad de imágenes que ya han sido etiquetadas manualmente con la clase correcta. Durante el entrenamiento, la red neuronal aprende a identificar patrones, texturas, formas y combinaciones de colores asociados con cada categoría. Este aprendizaje se logra a través de un proceso llamado retropropagación, que ajusta los parámetros internos del modelo, o pesos, para minimizar la diferencia entre sus predicciones y las etiquetas reales.

Los modelos de clasificación modernos a menudo utilizan arquitecturas de aprendizaje profundo con muchas capas. Las primeras capas pueden aprender a reconocer características simples como bordes y esquinas, mientras que las capas más profundas combinan estas para identificar estructuras más complejas como ojos, ruedas o caras. La capa final de la red normalmente utiliza una función softmax para producir una puntuación de probabilidad para cada clase posible. La clase con la probabilidad más alta se elige como la predicción final. La extracción de características es clave para este proceso, donde el modelo aprende automáticamente las características más informativas para la tarea de clasificación.

Aplicaciones de la clasificación de imágenes

La clasificación de imágenes se utiliza en numerosas industrias para automatizar y escalar las tareas de reconocimiento visual. Dos ejemplos destacados incluyen:

1. Análisis de imágenes médicas: En la atención médica, los modelos de clasificación analizan exploraciones médicas como radiografías, resonancias magnéticas y tomografías computarizadas para ayudar a los radiólogos a detectar enfermedades. Por ejemplo, se puede entrenar un modelo con miles de mamografías para clasificar las imágenes como "benignas" o "malignas", lo que ayuda en la detección temprana del cáncer de mama. Esto puede conducir a diagnósticos más rápidos y a una reducción del error humano. Para obtener más información sobre esto, consulte la descripción general de la IA en la detección del cáncer de la Sociedad Americana del Cáncer.
2. Tecnología agrícola: Los agricultores utilizan la clasificación de imágenes para supervisar la salud de los cultivos a partir de imágenes capturadas por drones o satélites. Un modelo puede clasificar imágenes de hojas de plantas en categorías como "sana", "enferma" o "infestada de plagas". Esto permite la aplicación selectiva de pesticidas o fertilizantes, mejorando el rendimiento de los cultivos y promoviendo la agricultura sostenible. Obtenga más información sobre cómo Ultralytics apoya la IA en la agricultura.

Clasificación de imágenes vs. Tareas relacionadas

Aunque está estrechamente relacionada con otras tareas de visión artificial, la clasificación de imágenes tiene un propósito distinto. Es importante diferenciarla de:

• Detección de Objetos: Esta tarea va un paso más allá de la clasificación. En lugar de asignar una etiqueta a toda la imagen, la detección de objetos identifica múltiples objetos dentro de una imagen y dibuja un cuadro delimitador alrededor de cada uno, asignando también una etiqueta de clase a cada cuadro. Por ejemplo, no solo etiquetaría una imagen como "escena callejera", sino que localizaría y clasificaría individualmente "coches", "peatones" y "semáforos".
• Segmentación de Imágenes: Esta tarea proporciona la comprensión más detallada de una imagen al clasificar cada píxel. Existen diferentes tipos, incluyendo la segmentación semántica, que asigna una clase a cada píxel (por ejemplo, todos los píxeles pertenecientes a coches son de un color), y la segmentación de instancias, que distingue entre diferentes instancias del mismo objeto (por ejemplo, cada coche es de un color diferente). Este nivel de detalle es fundamental para aplicaciones como los vehículos autónomos.

En resumen, la clasificación te dice qué hay en una imagen, la detección te dice qué y dónde, y la segmentación proporciona un mapa detallado a nivel de píxel de todo lo que hay en la escena.

Clasificación de imágenes con Ultralytics

Aunque son famosos por la detección de objetos, los modelos Ultralytics YOLO también destacan en tareas de clasificación de imágenes. Los modelos de última generación como YOLO11 se pueden entrenar o ajustar fácilmente en conjuntos de datos personalizados utilizando el intuitivo paquete Ultralytics Python o la plataforma Ultralytics HUB sin necesidad de código.

Nuestra documentación proporciona amplios recursos, incluyendo consejos para el entrenamiento de modelos y una guía detallada sobre cómo usar YOLO11 para la clasificación de imágenes. Los desarrolladores pueden aprovechar los modelos pre-entrenados en conjuntos de datos de referencia como ImageNet, CIFAR-100 y Caltech-101 o entrenar un nuevo modelo desde cero. Para aquellos interesados en los últimos avances, recursos como Papers With Code ofrecen una visión general completa de los modelos de mejor rendimiento. También puede comparar el rendimiento del modelo YOLO en benchmarks estándar. Frameworks como PyTorch y TensorFlow proporcionan la base para construir y entrenar estos modelos.