A continuaciónSiguiente guía
El inventario de IA cuenta con drones y visión por computadora
IA visual
GUÍA visual de IA
Visión por computadora
La visión por computadora construye sistemas que extraen información de imágenes o videos.
Escuche esta guíaNarrado por IA · ~2 min
En esta pagina2 minutos de lectura
Descripción general
Las tareas incluyen clasificación, detección de objetos, segmentación, seguimiento y respuesta visual a preguntas. Cada tarea solicita un resultado diferente y ninguna proporciona automáticamente una comprensión completa de una escena.
Conclusiones clave
- Definir la tarea visual y el resultado.
- Pruebe condiciones de captura realistas.
- Evaluar preprocesamiento y atajos.
Buceo profundo
Las imágenes se convierten en matrices numéricas que codifican píxeles u otras representaciones. Un modelo aprende patrones útiles para su objetivo, pero esos patrones pueden incluir correlaciones accidentales. Un clasificador puede depender de un fondo en lugar del objeto que el desarrollador pretendía que reconociera. Defina la salida con precisión. La clasificación asigna etiquetas a una imagen; la detección localiza instancias de objetos; La segmentación etiqueta píxeles o regiones. Un modelo que identifica una categoría de objeto aún puede no lograr localizar su límite o distinguir varias instancias superpuestas. Evalúe cámaras, iluminación, resoluciones, puntos de vista y entornos realistas. Mantenga juntas las imágenes relacionadas de la misma escena o grabación al dividir los datos para evitar resultados demasiado optimistas. Inspeccione condiciones poco comunes y el costo de diferentes errores. La aplicación también debe gestionar la calidad de la imagen, los permisos, la incertidumbre y las acciones posteriores. Una etiqueta de confianza no es prueba de que una escena sea segura o de que sea apropiado utilizar un atributo inferido. Conserve la imagen de origen y la información de revisión significativa cuando las personas necesiten verificar un resultado.
04Ejemplo resuelto
Prueba de un atajo en segundo plano
Construya un conjunto de datos de juguetes donde cada imagen de entrenamiento de un juguete rojo esté en una mesa blanca y cada juguete azul esté en una mesa oscura.
Pruebe los juguetes en fondos intercambiados y en una superficie invisible.
Si las predicciones siguen la tabla en lugar del juguete, revise los datos y la evaluación en lugar de asumir que la precisión original midió el concepto previsto.
lo que muestra
La configuración inventada ilustra un atajo que una demostración visualmente plausible puede ocultar.
Implementación en el mundo real
Detecte defectos de fabricación bajo la configuración real de la cámara y la iluminación.
Clasifique las imágenes de documentos autorizados antes de enviarlas a un proceso de extracción adecuado.
Poniéndolo en práctica
Por qué es importante
- Velocidad y escala. La IA visual puede automatizar tareas de inspección, detección y etiquetado a escala.
- Construir opciones. Los equipos creativos pueden crear prototipos de conceptos más rápido y con menos revisiones manuales.
- Equipo y flujo de trabajo. Las operaciones pueden utilizar señales de imagen y vídeo que antes eran difíciles de procesar.
cuidado con
- Los derechos de imagen y el consentimiento pueden convertirse en riesgos legales si la procedencia no está clara.
- El rendimiento del modelo puede variar según la iluminación, la demografía y los entornos.
- Los falsos positivos pueden pasar desapercibidos a menos que se controlen los umbrales de confianza.
Próximos pasos
- Defina criterios de aceptación para costos de precisión, recuperación y error.
- Pruebe con datos que coincidan con las condiciones reales de producción.
- Agregue revisión humana para predicciones de baja confianza o de alto impacto.
- Realice un seguimiento de la deriva del modelo y vuelva a validarlo después de cambios en la cámara o el conjunto de datos.
Fuentes y lecturas adicionales
- Radford and colleaguesAprendizaje de representación de visión-lenguaje.
Sigue explorando
Boletín gratuito
Recibe el resumen diario de IA
Tres noticias verificadas sobre IA cada mañana de lunes a viernes, explicadas con claridad. Gratis para siempre y sin anuncios.
Un correo cada día laborable. Date de baja con un clic. Nunca vendemos ni compartimos tu dirección.
Ponte a prueba
Take the Computer Vision quiz
Corrección inmediata en cada respuesta y un certificado para compartir, con un ID verificable, cuando apruebas un curso.
Apoya la educación gratuita sobre IA. AI Understanding es una organización sin fines de lucro 501(c)(3): sin anuncios ni muros de pago, nunca. Hacer una donación
Preguntas frecuentes
¿Identificar un objeto significa que el sistema comprende la imagen completa?
No. El reconocimiento de objetos es una tarea. Las relaciones, el contexto, la incertidumbre y el uso seguro requieren una evaluación por separado.
sigue aprendiendo
Guías relacionadas
Más guías seleccionadas para este tema.