¿Qué es la clasificación de imágenes?
La clasificación de imágenes asigna una o más etiquetas predefinidas a una imagen completa según su contenido visual. A diferencia de las tareas de localización, no identifica de forma inherente la posición ni los límites del elemento etiquetado.
Cómo funciona la clasificación de imágenes
Los modelos de clasificación asignan puntuaciones a un conjunto definido de etiquetas a partir de una representación de la imagen y luego convierten esas puntuaciones en una o más categorías que se comunican como resultado. Los sistemas de etiqueta única suponen clases mutuamente excluyentes, mientras que los sistemas multietiqueta permiten varias etiquetas independientes. El resultado describe la imagen en su conjunto, aunque la evidencia decisiva ocupe una región pequeña. En los pipelines multimedia, la clasificación facilita el enrutamiento, el filtrado, el enriquecimiento de búsquedas, las comprobaciones de calidad y la selección de modelos especializados para etapas posteriores.
Datos clave
- Las salidas softmax codifican la competencia entre clases y son adecuadas para etiquetas mutuamente excluyentes, mientras que las salidas sigmoidales independientes se usan habitualmente cuando varias etiquetas pueden aplicarse a la misma imagen.
- Un umbral de probabilidad controla el equilibrio entre precisión y exhaustividad y a menudo requiere calibración por clase; elegir la puntuación más alta no demuestra que la imagen pertenezca a una clase conocida.
- Los cambios en la distribución de los datos relativos a cámaras, estilos de edición, características demográficas o frecuencia de aparición de los sujetos pueden reducir la exactitud en producción incluso cuando los resultados de las pruebas con datos reservados son sólidos, por lo que se requieren muestras supervisadas del mundo real.
Cuándo es importante la clasificación de imágenes
Usa la clasificación cuando un flujo de trabajo necesite una categoría para toda la imagen, como el tipo de contenido o el destino de enrutamiento, en lugar de coordenadas de objetos. Las etiquetas fuera de la taxonomía de entrenamiento o las imágenes con varios sujetos pueden producir resultados ambiguos.