Reconocimiento de imágenes

Cómo funciona el reconocimiento de imágenes

En esencia, el reconocimiento de imágenes se basa en gran medida en el aprendizaje automático (AM), en particular en algoritmos de aprendizaje profundo (AD). Las redes neuronales convolucionales (CNN) son un componente fundamental, diseñado para aprender de forma automática y adaptativa jerarquías espaciales de características a partir de imágenes. El proceso suele implicar el entrenamiento de un modelo en grandes conjuntos de datos de imágenes etiquetadas, como el famoso conjunto de datos ImageNet, donde cada imagen se etiqueta con información sobre su contenido, a menudo organizada utilizando estructuras como la jerarquía WordNet. Durante el entrenamiento, el modelo aprende a asociar patrones y características visuales específicas (como bordes, texturas, formas) con diferentes etiquetas o categorías. Arquitecturas como ResNet tienen un rendimiento significativamente superior en estas tareas. Una vez entrenado, el modelo puede analizar imágenes nuevas no vistas y predecir los objetos o conceptos presentes en ellas. La comprensión de estos conceptos puede profundizarse a través de recursos como la Especialización en Aprendizaje Profundo. Aunque ImageNet es clave para la clasificación, conjuntos de datos como COCO también son vitales para tareas de comprensión visual más amplias. El entrenamiento eficaz de modelos requiere una planificación y ejecución cuidadosas.

Distinciones entre términos afines

Aunque está relacionado con otras tareas de visión por ordenador, el reconocimiento de imágenes suele utilizarse como un término más amplio que engloba varias capacidades específicas. Es importante distinguirlo de tareas más limitadas:

• Clasificación de imágenes: Esta tarea asigna una única etiqueta a toda una imagen (por ejemplo, "gato", "coche", "paisaje"). Identifica el sujeto principal pero no lo localiza. Los modelos Ultralytics pueden realizar tareas de clasificación de imágenes.
• Detección de objetos: Esto va más allá identificando múltiples objetos dentro de una imagen y localizando cada uno, normalmente dibujando un cuadro delimitador a su alrededor y asignando una etiqueta de clase (por ejemplo, "persona en las coordenadas (x1, y1, x2, y2)"). Explorar la detección con modelos Ultralytics.
• Segmentación de imágenes: Se trata de clasificar cada píxel en una imagen.
  • Segmentación semántica: Asigna una etiqueta de clase a cada píxel (por ejemplo, todos los píxeles que pertenecen a coches se etiquetan como 'coche').
  • Segmentación de instancias: Diferencia entre instancias individuales de la misma clase de objeto (por ejemplo, etiquetar "coche 1", "coche 2"). Ultralytics admite varias tareas de segmentación.

El reconocimiento de imágenes puede referirse a veces específicamente a la clasificación de imágenes, pero a menudo implica la capacidad más amplia de comprender el contenido de las imágenes, lo que puede implicar la detección o la segmentación en función de las necesidades de la aplicación.

Aplicaciones reales

El reconocimiento de imágenes impulsa una amplia gama de aplicaciones en diversos sectores:

• Sanidad: Se utiliza en el análisis de imágenes médicas para ayudar a los médicos a diagnosticar enfermedades mediante la identificación de anomalías en radiografías, tomografías computarizadas o resonancias magnéticas. Por ejemplo, se pueden entrenar modelos para la detección de tumores en imágenes médicas, lo que podría permitir diagnósticos más precoces. Consulte AI in Healthcare Solutions y revistas como Radiology: Artificial Intelligence para más información.
• Comercio minorista: Permite aplicaciones como los sistemas de caja automatizados, la supervisión de estanterías para la gestión de inventarios basada en IA y el análisis del comportamiento de los clientes. Vea cómo la IA crea eficiencia en el comercio minorista y lea las opiniones de organizaciones como la National Retail Federation (NRF) sobre la IA.
• Seguridad y vigilancia: Potencia los sistemas de reconocimiento facial para el control de acceso y la identificación de personas, así como la detección de actividades sospechosas para la visión por ordenador para la prevención de robos. El uso de esta tecnología plantea importantes consideraciones sobre la ética de la IA.
• Automoción: Crucial para que los vehículos autónomos y los sistemas avanzados de asistencia al conductor (ADAS) detecten peatones, otros vehículos, señales de tráfico y marcas de carril. Más información sobre soluciones de IA en automoción y tecnología de empresas como Waymo.
• Moderación de contenidos: Analiza automáticamente los contenidos generados por los usuarios en plataformas de redes sociales y sitios web para identificar y marcar imágenes y vídeos inapropiados o perjudiciales, según explican recursos como TechTarget.
• Fabricación: Se utiliza para la inspección visual de calidad para detectar defectos en los productos en las líneas de montaje, mejorando el control de calidad. Explore las soluciones de IA en fabricación.

Este campo está en constante evolución, impulsado por la investigación compartida en lugares como la Conferencia sobre Visión por Ordenador y Reconocimiento de Patrones (CVPR) y organizaciones como la Fundación de Visión por Ordenador (CVF). Lea información práctica en el blog de Google Cloud AI.

Herramientas y formación

El desarrollo de aplicaciones de reconocimiento de imágenes suele implicar el uso de bibliotecas y marcos especializados. Entre las tecnologías clave se incluyen:

• Marcos de trabajo: PyTorch(sitio oficial) y TensorFlow(sitio oficial) proporcionan las herramientas básicas para construir y entrenar modelos de aprendizaje profundo.
• Bibliotecas: OpenCV (Open Source Computer Vision Library)(sitio oficial) ofrece una vasta colección de funciones para tareas de visión por ordenador en tiempo real.
• Modelos y plataformas: Ultralytics proporciona modelos Ultralytics YOLO de última generación, como YOLO11, que están preentrenados en grandes conjuntos de datos como COCO e ImageNet. La plataforma Ultralytics HUB simplifica el proceso de gestión de conjuntos de datos, entrenamiento de modelos personalizados y exploración de opciones de despliegue de modelos.