Clasificación
Asigna una categoría a la imagen completa, por ejemplo, indicar si cumple un criterio visual.
IA aplicada · Guía visual
¿Qué es la visión computacional?
Es un área de la inteligencia artificial que analiza imágenes o video para reconocer señales útiles en una tarea concreta.
En palabras simples
Una computadora puede buscar patrones visuales en una imagen.
Un sistema recibe imágenes, extrae características y las compara con patrones aprendidos o reglas definidas para una tarea. Así puede clasificar una imagen, localizar un objeto o identificar una región. El resultado es una estimación que debe evaluarse en el contexto real de uso.
En T2G: partimos por la decisión que se quiere apoyar y las condiciones de las imágenes disponibles. Después evaluamos qué tarea visual tiene sentido, cómo medirla y dónde hace falta revisión humana.
Cómo se construye una solución visual
De una imagen a una señal que se puede evaluar.
El proceso depende de la tarea. Estos pasos ayudan a definir qué debería reconocer el sistema y comprobar cómo responde.
- 01
Definir la tarea
Precisar qué elemento, condición o región importa y qué haría una persona con ese resultado.
Esquema conceptual01 / 04 - 02
Preparar ejemplos
Reunir imágenes pertinentes, revisar su calidad y etiquetar los ejemplos necesarios para enseñar o comprobar la tarea.
Esquema conceptual02 / 04 - 03
Evaluar en contexto
Medir aciertos y errores con imágenes separadas, incluyendo variaciones de luz, ángulo, fondo o cámara que aparecen en operación.
Esquema conceptual03 / 04 - 04
Integrar con cuidado
Definir cómo se muestra el resultado, qué casos requieren revisión y cómo detectar cambios en las imágenes con el tiempo.
Esquema conceptual04 / 04
Tres tareas frecuentes
El resultado cambia según lo que se necesita saber.
Detección
Ubica objetos y señala dónde aparecen con recuadros, para apoyar tareas de conteo o inspección.
Segmentación
Marca qué píxeles pertenecen a una región, cuando importa delimitar formas o superficies.
Criterio antes que automatización
El entorno importa tanto como el modelo.
- 01
Imágenes distintas a las del entrenamiento pueden aumentar los errores.
- 02
Una detección es una estimación; los casos dudosos pueden necesitar revisión experta.
- 03
Antes de automatizar, hay que acordar qué errores son aceptables para la tarea.
Siguiente paso
Explora el servicio y sigue aprendiendo.
Hablemos de tu desafío
¿Hay imágenes que podrían ayudar a resolver una tarea?
Podemos ayudar a definir la pregunta, los datos y los criterios antes de elegir un enfoque de visión computacional.
Agenda una sesión de diagnóstico directo con los socios