La segmentación semántica asigna una clase a cada píxel de una imagen, como carretera, vehículo, persona o cielo. El resultado es una especie de mapa de colores del contenido. A diferencia de la segmentación de instancias, no distingue entre objetos del mismo tipo: tres coches cuentan juntos como «coche». Se usa, por ejemplo, en la conducción autónoma, en imagen médica para delimitar tejidos y en el análisis de imágenes aéreas y de satélite.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoLa segmentación de instancias es una técnica de visión artificial que detecta cada objeto de una imagen y lo delimita píxel a píxel. A diferencia de la segmentación semántica, también distingue objetos de la misma clase: tres personas reciben tres máscaras separadas en lugar de una única zona. Se usa, por ejemplo, en control de calidad, imagen médica, robótica o para contar productos en una estantería.
La visión artificial (computer vision) es un campo de la IA en el que los ordenadores analizan imágenes y vídeos. Tareas típicas son detectar y localizar objetos, leer texto en imágenes o medir piezas. Se usa, por ejemplo, en el control de calidad en fábricas, en sistemas de asistencia a la conducción, en logística o en imagen médica.
El reconocimiento de imágenes es un campo de la visión artificial en el que un software identifica lo que muestra una imagen: objetos, personas, texto, logotipos o escenas. Suele basarse en redes neuronales entrenadas con muchas imágenes etiquetadas. Sus aplicaciones van desde el control de calidad en fábricas y la clasificación de fotos de productos hasta el apoyo en imagen médica. Con imágenes de personas hay que prestar especial atención a la protección de datos y a posibles sesgos.
Una red neuronal convolucional (CNN, Convolutional Neural Network) es una arquitectura de red neuronal especialmente adecuada para imágenes. Recorre la entrada con pequeños filtros: las primeras capas detectan rasgos simples como bordes y las más profundas, formas más complejas. Las CNN marcaron durante años el reconocimiento de imágenes y se usan, por ejemplo, para detectar defectos en fotos de productos o en el análisis de imágenes médicas.
