¿Qué es el reconocimiento de imágenes?
El reconocimiento de imágenes extrae información significativa sobre objetos, personas, escenas, texto u otras entidades representadas en una imagen. Según la tarea, su salida puede incluir identidades, etiquetas, ubicaciones o relaciones.
Cómo funciona el reconocimiento de imágenes
Los sistemas de reconocimiento transforman las imágenes decodificadas en entradas para los modelos, infieren puntuaciones o predicciones estructuradas y aplican umbrales o reglas de negocio a esas salidas. La clasificación resume un fotograma, la detección añade las ubicaciones de los objetos, el OCR extrae el texto escrito y la comparación de identidades contrasta representaciones con ejemplos conocidos. Estas tareas pueden compartir codificadores, pero tienen distintos requisitos de anotación y evaluación. En un flujo de trabajo multimedia, la inferencia suele realizarse después de normalizar los datos recibidos y alimenta la moderación, la catalogación, la búsqueda o las colas de revisión.
Datos clave
- Un clasificador convencional de conjunto cerrado distribuye la probabilidad entre etiquetas conocidas; un sistema de conjunto abierto añade una política de rechazo para los sujetos que quedan fuera de sus categorías conocidas.
- Las puntuaciones de confianza no son automáticamente probabilidades calibradas; los umbrales elegidos para una distribución de datos pueden producir tasas de error distintas cuando cambian las cámaras o el contenido.
- Los atajos basados en metadatos, los fondos o las marcas de agua pueden correlacionarse con las etiquetas de entrenamiento y generar resultados precisos en las pruebas de referencia que fallan cuando el sujeto aparece en un contexto nuevo.
Cuándo es importante el reconocimiento de imágenes
Selecciona una tarea de reconocimiento que se ajuste a la salida requerida, ya que las etiquetas de la imagen en su conjunto no pueden sustituir las ubicaciones de los objetos ni una identidad verificada. La precisión puede variar según la iluminación, el punto de vista, la calidad de la imagen y los grupos de población ausentes de los datos de entrenamiento.