Wesloo
Todos los temasTemas

Inteligencia artificial

Visión por computador: qué es y cómo funciona

Respuesta breve

Visión por computador es una rama de la inteligencia artificial centrada en que los sistemas extraigan sentido de imágenes y vídeos. A partir de datos visuales, los sistemas pueden clasificar, detectar objetos o segmentar regiones. Su rendimiento depende de la calidad de los datos y de una validación cuidadosa.

Puntos clave

  • Interpreta imágenes y vídeos para obtener información útil.
  • Usa datos etiquetados y modelos de aprendizaje automático.
  • Clasifica, detecta objetos y segmenta regiones.
  • Depende de datos de calidad y validación independiente.
  • Se combina con gráfica por computador en realidad aumentada.

Visión por computador: definición y alcance

Visión por computador es una disciplina de la inteligencia artificial que busca que los sistemas extraigan sentido de alto nivel de imágenes y vídeos. Desde la ingeniería, busca automatizar tareas que el sistema visual humano resuelve. La vertiente científica estudia la teoría de sistemas artificiales que extraen información de imágenes; la vertiente tecnológica aplica esa teoría para construir sistemas reales.

Los datos de entrada pueden adoptar muchas formas: imágenes, vídeos, vistas de varias cámaras, datos multidimensionales de escáneres 3D, nubes de puntos LiDAR o imágenes médicas. La salida no tiene por qué ser otra imagen: puede ser un análisis del contenido o una acción del sistema basada en ese análisis. Por eso se distingue del procesamiento de imágenes, donde la entrada y la salida suelen ser imágenes.

Comparte técnicas y aplicaciones con el procesamiento de imágenes, el análisis de imágenes y la visión artificial. Las bases técnicas son parecidas, aunque cada grupo de investigación, revista, congreso o empresa suele identificarse con uno de esos campos. También se conecta con el procesamiento de señales: muchos métodos para señales de una variable se extienden de forma natural a señales de dos o más variables, pero las imágenes tienen rasgos propios que generan métodos sin equivalente en señales unidimensionales.

¿Cómo funciona un sistema de interpretación visual?

Un sistema típico recibe datos visuales, los prepara y los interpreta con modelos de aprendizaje automático. La calidad de los datos es clave: la limpieza, el ajuste de brillo o contraste, el redimensionado y el suavizado pueden mejorar el resultado. Los conjuntos deben ser amplios y variados; ampliar datos, por ejemplo rotando o volteando imágenes, ayuda a aumentar su tamaño y diversidad.

El aprendizaje profundo suele estar en el centro de estos sistemas. Las redes neuronales artificiales aprenden patrones a partir de ejemplos etiquetados y generalizan a casos nuevos. En el caso médico, un hospital puede compilar radiografías de tórax etiquetadas como normales o con neumonía para entrenar un modelo que clasifique imágenes nuevas.

La anotación es una parte costosa y decisiva. Si las etiquetas son inconsistentes, el modelo aprende reglas erróneas aunque la arquitectura sea adecuada. Por eso conviene definir criterios de anotación, revisar muestras y medir el acuerdo entre anotadores antes de entrenar.

Tareas principales: clasificación, detección y segmentación

El reconocimiento de imágenes es la forma más amplia: identifica personas, lugares, objetos y otras entidades en imágenes digitales y sirve de base para tareas más específicas.

  • Clasificación de imágenes: asigna una imagen, o un objeto dentro de ella, a una categoría predefinida. El caso de la neumonía en radiografías ilustra esta tarea.
  • Detección de objetos: localiza y etiqueta objetos dentro de una imagen.
  • Segmentación: delimita regiones o píxeles que pertenecen a cada objeto o clase.

La detección y la segmentación exigen anotaciones más detalladas que la clasificación. Una caja delimitadora basta para detectar; una máscara por píxel es necesaria para segmentar. Esa diferencia afecta al coste de preparación de datos y al tipo de modelo que se elige.

Datos, anotación y preprocesado

Primero se recogen los datos visuales necesarios. En el caso de la neumonía, los hospitales generan grandes volúmenes de radiografías de tórax útiles para entrenar un algoritmo. Como se busca clasificar si una radiografía muestra neumonía o no, hay que compilar un conjunto de escaneos y etiquetar cada uno como normal o con signos de neumonía.

La calidad de los datos limita el rendimiento de un modelo de inteligencia artificial. El preprocesado puede mejorarla con limpieza y ajustes como modificar brillo o contraste para ganar nitidez, además de redimensionar y suavizar. Los conjuntos deben ser amplios y variados para que los algoritmos den resultados precisos.

La generación de datos sintéticos y la ampliación de datos pueden ayudar a aumentar el tamaño y la variedad de los conjuntos. Por ejemplo, los hospitales pueden aplicar transformaciones geométricas, como rotar radiografías de tórax a izquierda o derecha o voltear imágenes, para ampliar sus datos. No todas las transformaciones son válidas en todos los casos: si la orientación contiene información médica, una rotación puede crear ejemplos irreales.

Aplicaciones y retos

Entre las aplicaciones figuran la detección de objetos, el reconocimiento facial y la automatización. En medicina, un sistema puede ayudar a interpretar radiografías de tórax, cuyos signos de neumonía pueden ser sutiles y parecidos a los de otras afecciones pulmonares. El objetivo es apoyar la revisión con una segunda lectura consistente, no sustituir al especialista.

Los retos incluyen la calidad y diversidad de los datos, la generalización a casos no vistos y la interpretación de imágenes ambiguas. Un modelo entrenado con datos limitados puede fallar cuando cambia el equipo, la iluminación o la población de pacientes. Por eso la validación con datos independientes es tan importante como el entrenamiento.

También hay retos de integración: un modelo preciso en laboratorio puede degradarse en producción si el flujo de imágenes cambia, si faltan metadatos o si el sistema no registra los casos dudosos. Conviene definir umbrales de confianza, rutas de revisión humana y métricas de seguimiento antes del despliegue.

Evaluación, despliegue y mantenimiento

La evaluación debe usar datos que no se hayan empleado para entrenar ni para ajustar hiperparámetros. Las métricas deben reflejar el coste real de los errores: en diagnóstico médico, un falso negativo puede ser más grave que un falso positivo. Por eso la exactitud global no siempre es la mejor medida.

El despliegue exige controlar la latencia, el consumo de memoria y la estabilidad del servicio. Un modelo que funciona en un servidor potente puede no servir en un dispositivo con recursos limitados. También conviene versionar modelos y datos para poder reproducir resultados y revertir cambios si aparecen fallos.

El mantenimiento no termina con el lanzamiento. Los datos de producción cambian, aparecen nuevos dispositivos y surgen casos límite. Revisar periódicamente las predicciones, recoger ejemplos difíciles y reentrenar con criterio ayuda a mantener el rendimiento sin perder trazabilidad.

Relación con la gráfica por computador y la realidad aumentada

La gráfica por computador produce datos de imagen a partir de modelos 3D, mientras que la visión por computador suele producir modelos 3D a partir de datos de imagen. Hay una tendencia a combinar ambas disciplinas, por ejemplo en la realidad aumentada. Esta relación explica por qué algunos sistemas necesitan tanto generar imágenes como interpretarlas.

Otras preguntas frecuentes

¿Qué diferencia hay entre visión por computador y procesamiento de imágenes?

En procesamiento de imágenes la entrada y la salida suelen ser imágenes. En visión por computador la entrada es una imagen o vídeo y la salida puede ser un análisis o una acción del sistema.

¿Qué datos necesita un sistema de visión por computador?

Necesita datos visuales suficientes, variados y bien etiquetados. El preprocesado y la ampliación de datos pueden mejorar su calidad y diversidad.

¿Para qué se usa la visión por computador en medicina?

Puede ayudar a interpretar imágenes médicas, como radiografías de tórax, apoyando la revisión sin sustituir al especialista.

¿Qué es la segmentación de imágenes?

Es la tarea de delimitar regiones o píxeles que pertenecen a cada objeto o clase dentro de una imagen.

Páginas relacionadas

  • Alineación de la IA: qué es y cómo funciona

    La alineación de la IA consiste en incorporar valores y metas humanas a los modelos para que resulten útiles, seguros y confiables. Su objetivo es que el sistema actúe como las personas esperan, también en casos nuevos. Sigue siendo un problema sin resolver en sistemas actuales y se trabaja con técnicas como el ajuste fino y la retroalimentación humana.

  • Aprendizaje por refuerzo: qué es y cómo funciona

    En el aprendizaje por refuerzo, un agente de aprendizaje automático toma decisiones al interactuar con un entorno y recibe recompensas o penalizaciones. Busca maximizar la recompensa total en problemas donde las decisiones se toman en secuencia. Los textos especializados suelen describirlo como un proceso de decisión de Markov.

  • Aprendizaje profundo: redes y aplicaciones

    El aprendizaje profundo es una rama del aprendizaje automático que usa redes neuronales de varias capas para aprender patrones en datos complejos. Se aplica en visión por computador, lenguaje natural, vehículos autónomos y otros sistemas de IA. Su crecimiento reciente se apoyó en hardware más potente y en grandes conjuntos de datos.

  • Procesamiento del lenguaje natural: qué es y cómo funciona

    El procesamiento del lenguaje natural es un campo de las ciencias de la computación y la inteligencia artificial orientado a que los ordenadores interpreten, sistematicen y generen lenguaje humano. Para conseguirlo, integra lingüística computacional, modelos probabilísticos y redes neuronales profundas aplicadas a datos textuales o de audio. Su propósito consiste en salvar la distancia entre las instrucciones numéricas de las máquinas y la complejidad de la comunicación verbal ordinaria.

  • Red neuronal artificial: arquitectura y funcionamiento

    Una red neuronal artificial es un modelo de aprendizaje automático compuesto por unidades interconectadas llamadas nodos o neuronas, dispuestas en diferentes capas. Este sistema procesa datos de entrada calculando combinaciones matemáticas con pesos y sesgos para generar predicciones o clasificaciones precisas. Al contrastar sus resultados con los valores esperados, el algoritmo actualiza sus parámetros internos de forma iterativa para resolver problemas lineales y no lineales.

  • Aprendizaje automático: conceptos, tipos y modelos

    El aprendizaje automático es una disciplina de la inteligencia artificial enfocada en algoritmos estadísticos que identifican patrones a partir de datos para realizar predicciones sin programación explícita. Su mecanismo principal consiste en ajustar parámetros numéricos mediante procesos de entrenamiento y optimización matemática para generalizar resultados ante información desconocida. Se aplica en sectores como la salud, las finanzas, la visión por computadora y los sistemas de recomendación a gran escala.

Cómo se preparó esta página

Antes de redactarla, el tema se investigó en las fuentes de abajo. Después, la página superó controles de calidad automáticos.

Informar de un error en esta página