Clasificación de imágenes

La clasificación de imágenes es una tarea fundamental de la visión por ordenador que consiste en asignar una etiqueta o categoría a toda una imagen. Este proceso permite a las máquinas identificar y clasificar el sujeto principal o la escena representada en una imagen, lo que permite una amplia gama de aplicaciones en diversos sectores. Los modelos de clasificación de imágenes se entrenan para reconocer patrones y características dentro de las imágenes, lo que les permite categorizar con precisión imágenes nuevas y no vistas basándose en sus conocimientos aprendidos.

Conceptos clave en la clasificación de imágenes

La clasificación de imágenes se basa en varios conceptos clave del aprendizaje automático y el aprendizaje profundo. En esencia, la clasificación de imágenes suele implicar el entrenamiento de una Red Neuronal Convolucional (CNN), un tipo de red neuronal especialmente adecuada para los datos de imágenes. Las CNN pueden aprender automáticamente representaciones jerárquicas de las imágenes mediante capas de filtros que detectan patrones cada vez más complejos. Durante el entrenamiento, el modelo se alimenta de un gran conjunto de datos de imágenes etiquetadas, y ajusta sus parámetros internos para minimizar la diferencia entre sus etiquetas predichas y las etiquetas verdaderas. Este proceso suele implicar técnicas como el aumento de datos, que incrementa artificialmente el tamaño del conjunto de datos de entrenamiento aplicando transformaciones como rotaciones, giros y recortes a las imágenes existentes.

Clasificación de imágenes vs. Detección de objetos

Aunque tanto la clasificación de imágenes como la detección de objetos son tareas cruciales de la visión por ordenador, tienen finalidades distintas. La clasificación de imágenes asigna una única etiqueta a toda una imagen, identificando el sujeto principal o la escena. Por ejemplo, un modelo de clasificación de imágenes puede etiquetar una imagen como "gato", "perro" o "coche". En cambio, la detección de objetos no sólo identifica la presencia de varios objetos en una imagen, sino que también los localiza mediante cuadros delimitadores. Un modelo de detección de objetos podría identificar y localizar múltiples objetos en una imagen, como un gato, un perro y un coche, cada uno con su propio cuadro delimitador. Ultralytics Los modelosYOLO son capaces de realizar tanto tareas de clasificación de imágenes como de detección de objetos, proporcionando soluciones versátiles para diversas aplicaciones de visión por ordenador. Puedes obtener más información sobre la evolución de estos modelos en La evolución de los modelos de detección de objetos y Ultralytics YOLO .

Aplicaciones reales de la clasificación de imágenes

La clasificación de imágenes tiene numerosas aplicaciones en el mundo real en una amplia gama de industrias:

• Medicina: En el campo médico, la clasificación de imágenes puede utilizarse para analizar imágenes médicas, como radiografías, tomografías computarizadas y resonancias magnéticas, para ayudar en el diagnóstico de enfermedades. Por ejemplo, se puede entrenar un modelo para clasificar imágenes de lesiones cutáneas como benignas o malignas, ayudando a la detección precoz del cáncer. Más información sobre la IA en la sanidad.
• Agricultura: La clasificación de imágenes puede ayudar a controlar la salud de los cultivos, detectar enfermedades de las plantas y clasificar distintos tipos de cultivos. Por ejemplo, un modelo puede analizar imágenes de hojas de plantas para identificar signos de enfermedad o deficiencia de nutrientes, lo que permite intervenir a tiempo. Explora cómo se utiliza la IA en la agricultura.
• Comercio minorista: En el comercio minorista, la clasificación de imágenes puede utilizarse para el reconocimiento de productos, ayudando a automatizar la gestión del inventario y a mejorar la eficacia de los procesos de caja. Por ejemplo, un sistema puede clasificar imágenes de productos en estanterías para hacer un seguimiento de los niveles de existencias en tiempo real. Más información sobre cómo se utiliza la IA en el comercio minorista.
• Vigilancia de la fauna: La clasificación de imágenes puede utilizarse para identificar y clasificar distintas especies animales en imágenes captadas por cámaras trampa, lo que ayuda en los esfuerzos de conservación de la vida salvaje. Por ejemplo, un modelo puede clasificar automáticamente imágenes de animales para rastrear el tamaño de las poblaciones y vigilar las especies amenazadas. Explora cómo se utiliza la IA en la conservación de la fauna salvaje.

Entrenamiento y despliegue de modelos de clasificación de imágenes

El entrenamiento de un modelo de clasificación de imágenes implica varios pasos, como la recogida de datos, el preprocesamiento, el entrenamiento del modelo y la evaluación. Los conjuntos de datos etiquetados de alta calidad son esenciales para entrenar modelos precisos. Una vez entrenados, los modelos pueden desplegarse utilizando diversas plataformas y herramientas. Ultralytics HUB proporciona una plataforma fácil de usar para entrenar y desplegar Ultralytics YOLO modelos, incluidos los de clasificación de imágenes. Ultralytics HUB simplifica el proceso, permitiendo a los usuarios gestionar fácilmente conjuntos de datos, entrenar modelos y desplegarlos para aplicaciones del mundo real. Puedes obtener más información sobre cómo utilizar Ultralytics YOLO11 para la clasificación de imágenes en esta guía sobre el uso de YOLO11 para la clasificación de imágenes. Además, puedes explorar los fundamentos de la clasificación de imágenes y sus aplicaciones en esta introducción a la clasificación de imágenes.

Conceptos relacionados

Reconocimiento de imágenes: Término más amplio que engloba tanto la clasificación de imágenes como la detección de objetos, y que implica la identificación y comprensión de objetos y escenas dentro de las imágenes. Más información sobre el reconocimiento de imágenes.

Segmentación de imágenes: Consiste en dividir una imagen en varios segmentos o regiones, cada uno de los cuales representa un objeto o parte de un objeto diferente. A diferencia de la clasificación de imágenes, que asigna una única etiqueta a toda la imagen, la segmentación de imágenes proporciona un análisis más detallado al clasificar cada píxel de la imagen. Más información sobre la segmentación de imágenes.