Análisis de imágenes

El análisis de imágenes extrae información, patrones y predicciones de fotografías, fotogramas de vídeo, escaneos, imágenes médicas y gráficos. Combina visión por ordenador, reconocimiento de patrones, geometría, procesamiento de señales y aprendizaje automático con datos contextuales sobre cómo se creó una imagen.

Cuándo usarlo

Utilice análisis de imágenes cuando una decisión dependa de evidencia visual que sería lenta, inconsistente o imposible de revisar manualmente en la escala requerida. Las aplicaciones incluyen inspección de calidad, apoyo a decisiones médicas, seguimiento de activos, detección de marcas, accesibilidad, seguridad e investigación de clientes.

El reconocimiento facial puede verificar si una persona coincide con una identidad registrada o buscar a una persona en una colección. Se trata de tareas sustancialmente diferentes con diferentes riesgos de error y privacidad. El rendimiento varía según los entornos y los grupos demográficos, por lo que la afirmación de un titular de precisión casi humana no establece la idoneidad para una implementación real.

El método puede ayudar a responder preguntas como:

• ¿Qué imágenes contienen nuestra marca o producto?
• ¿Quién parece utilizar el producto, dentro de los límites de las pruebas recopiladas de forma legal y ética?
• ¿Puede la inspección visual mejorar la seguridad, el control de acceso o la detección de defectos?

Orígenes

Análisis de imágenes moderno desarrollado a partir del procesamiento de imágenes digitales, visión por ordenador y reconocimiento de patrones estadísticos. Los primeros trabajos enseñaron a las ordenadores a representar bordes, formas y texturas; Los sistemas posteriores de aprendizaje automático aprendieron características de ejemplos etiquetados. Las redes neuronales profundas aceleraron el progreso a principios del siglo XXI a medida que se dispuso de potencia informática y grandes conjuntos de datos de imágenes. Ningún inventor individual representa este campo.

Qué es

La búsqueda de imágenes antiguas dependía en gran medida de nombres de archivos, leyendas y metadatos. Por lo tanto, una búsqueda de “elefante rosa” podría recuperar una imagen que contenga esas palabras incluso cuando sus píxeles muestren algo más. Los sistemas contemporáneos pueden analizar contenido visual directamente y combinarlo con metadatos como el tiempo de captura, la configuración del dispositivo o la ubicación de GPS.

Las tareas incluyen clasificación, detección de objetos, segmentación, reconocimiento óptico de caracteres, detección de anomalías y comparación biométrica. Un modelo puede representar geometría, convertir píxeles en características estadísticas o aprender una representación numérica a partir de ejemplos. Los sistemas de imágenes médicas pueden resaltar patrones sospechosos para una revisión calificada; los sistemas industriales pueden encontrar defectos repetidos; Los sistemas de marca pueden estimar la exposición visual. Los resultados siguen siendo probabilísticos y requieren validación frente a la población y las condiciones previstas.