Clasificación de imágenes
Decidir a qué categoría pertenece toda la imagen
El texto completo se presenta en inglés; el título y el resumen están traducidos.
QUÉ SIGNIFICA ESTA CAPACIDAD
Takes an image and outputs a category label or a probability over classes. It judges the whole image and gives no location, which is what separates it from detection and segmentation. The class set is fixed at training time, ranging from the thousand-odd general classes to narrow sets for a species or a defect type.
Cómo se consigue técnicamente
Convolutional networks long dominated, and residual connections were the turning point that let them grow deep reliably. The image is resized to a fixed size, features are extracted layer by layer, and a classification head emits probabilities. Vision Transformers have since replaced convolution with patch embeddings and attention, matching it under large-scale pre-training, while self-supervised pre-training makes good results possible with little labelling.
Productos representativos
4GPT-4o
2024Un modelo general nativamente multimodal: texto, imagen y audio por una misma puerta
Gemini
2023Un modelo general nativamente multimodal, pensado para contextos muy largos
Qwen
2023Una familia de pesos abiertos con muchos tamaños y versiones multimodales
Hunyuan
2023La familia de modelos generales de Tencent, con versiones de pesos abiertos
Organizaciones relacionadas
Usos típicos
- Automatic tagging of products and photos
- Lesion screening in medical imaging
- Defect judgement in industrial inspection
- Content moderation and safety filtering
Cómo se evalúa
- Top-1 / Top-5 accuracy
- Share where the top or top-five guesses contain the correct class
- F1 and confusion matrix
- Reveals which two classes are being confused
- Expected calibration error
- Whether predicted confidence matches actual accuracy
Límites y dificultades
- Long-tailed and rare classes are chronically missed for lack of examples
- Out-of-distribution inputs and tiny adversarial perturbations swing the prediction
- Fine-grained distinctions such as similar car models rely on texture cues and score far lower than coarse classes
Conceptos detrás
Clasificación de imágenes
No le digas “los gatos tienen bigotes”: muéstrale suficientes gatos y lo deduce
Redes neuronales convolucionales
Sustituir las conexiones completas por “mirar en local y reutilizar la misma regla en todas partes”: la idea que hizo funcionar el reconocimiento de imágenes
Aprendizaje supervisado
Pares de pregunta y respuesta enseñan al modelo a responder por sí solo