, ,

IBM Visual Recognition: comprendiendo el contenido de las imágenes

IBM Visual Recognition

Sistemas cognitivos

Ya hemos analizado Qué es IBM Watson y la computación cognitiva así como el funcionamiento del Análisis Predictivo de IBM SPSS y la funcionalidad que aporta IBM Cognitive. Sistemas inteligentes que permiten a las compañías explotar la información que contienen los datos que almacenan, realizando complejos análisis y obteniendo patrones y tendencias que permiten hacer la información usable para optimizar la gestión de la producción y de la cartera de clientes, mejorar la productividad y hacer posible una toma de decisiones más eficiente.

Hoy vamos a explicar cómo funciona IBM Visual Recognition que permite clasificar y buscar de forma rápida contenido visual utilizando tecnología de aprendizaje automático o machine learning.

IBM Visual Recognition

Hoy en día, cada negocio, se esfuerza por organizar y asimilar la información que captura o genera en sus sistemas informáticos de forma rápida y precisa. Conseguirlo para la información visual es aún más difícil.

¿Qué pasaría si un sistema informático pudiera organizar los archivos visuales como lo haría una persona, si pudiera “ver”? Si pudiera aprender como lo hacemos los humanos. Podría convertir pilas de imágenes en información organizada.

IBM Visual Recognition es capaz de interpretar información visual para que pueda ser comprendida y compartida, es decir, para que pueda ser explotada.

La tecnología de Reconocimiento Visual de IBM Watson ha conseguido entender los datos visuales y puede aprender a interpretar cualquier tipo de datos visuales.

¿Cómo?

Entrenando al sistema para que aprenda a reconocer la información visual como lo hacemos las personas. La formación es fácil. Por ejemplo, podemos enviar al sistema un conjunto de imágenes acerca de un tema, como vehículos híbridos (los que queremos identificar) y otro tipo de vehículos.

El reconocimiento visual de IBM Visual Recognition aprende las diferencias entre las dos categorías. Cuando se trata de una nueva imagen que no ha visto antes, puede distinguir a qué categoría pertenece.

IBM Visual Recognition es capaz de:

  • Clasificar virtualmente cualquier contenido visual

A través del reconocimiento visual entiende el contenido de las imágenes y analiza imágenes de objetos, escenas, rostros, alimentos, colores y otros temas que sugieren acerca de qué trata el contenido visual.

  • Permite crear clasificadores personalizados

Es decir, crear y entrenar al sistema con modelos de clasificación propios para nuestras colecciones de imágenes.

Desde el lanzamiento de la API de reconocimiento visual, han ido surgiendo nuevas funcionalidades como el etiquetado general, que permite a los usuarios comprender el contenido de las imágenes a través de etiquetas que contienen palabras clave. O, por ejemplo, el denominado “marcado de color” que es una nueva funcionalidad capaz de detectar el color e identificar los colores predominantes en una imagen así como generar etiquetas de forma automática. De esta forma, los usuarios pueden conocer rápidamente los esquemas de color de una imagen y transformarlo en conocimientos prácticos.

Caso prácticos de Uso de IBM Visual Recognition

iTrend

iTrend es una empresa de análisis de redes sociales que usa IBM Visual Recognition para impulsar su plataforma de descubrimiento de datos. Utilizando el etiquetado general para comprender el contenido de las imágenes obtenidas de las redes sociales, los blogs y los canales de transmisión en vivo, iTrend puede analizar entre 20 y 50 veces más datos que su competencia y proporcionar listas priorizadas y accionables que dirigen a sus usuarios hacia tareas que les ayudarán a lograr mayores progresos en la consecución de sus metas de negocio.

OmniEarth

OmniEarth utiliza el reconocimiento visual de IBM Watson para combatir la sequía en California

La historia de OmniEarth aporta una visión fascinante de cómo la aplicación del aprendizaje automático a grandes trozos de datos -en este caso, imágenes aéreas– puede ayudar a resolver problemas complejos.

Esta empresa de tecnología ambiental aportó una solución basada en datos, utilizando geoanálisis impulsado por el servicio de IBM Visual Recognition para procesar, calsificar y fusionar grandes cantidades de imágenes satélite y aéreas con otros conjuntos de datos para ayudar a las agencias locales a identificar rápidamente las parcelas que necesitaban reducir el consumo de agua y en qué medida. De esta forma, ayudan al estado de California a combatir las crisis de sequía.

Estos son sólo algunos ejemplos de la aplicación de esta tecnología a los negocios y la vida de las personas.

En Clase10 llevamos más de 20 años ayudando a las empresas a convertir sus datos en información y valor de negocio. Habla con uno de nuestros consultores expertos y te ayudaremos a hacer de tus datos una ventaja competitiva.