En los últimos años, las nuevas tecnologías sobre aprendizaje profundo han logrado grandes avances en el campo de la visión por ordenador, especialmente en el reconocimiento de imágenes y la detección de objetos.
Es por esto que, queremos explicarte paso a paso su evolución. Y para ello, nos apoyamos en el artículo de viso.ai
¡Aquí vamos!
1960
Durante esta década salió a la luz la visión por ordenador, justamente cuando los informáticos intentaron emular la vista humana a través de la computación.
Pese a que la investigación pasó por varias décadas más, lo más avanzado que se logró obtener a la época fue la percepción de objetos comunes. Sin embargo esta tenía muchas dificultades para reconocer múltiples objetos naturales con variaciones de forma.
2014
Conocida como la era del aprendizaje profundo. Los investigadores lograron grandes avances al entrenar ordenadores con al menos 15 millones de imágenes del mayor conjunto de datos de clasificación de imágenes (ImageNet). Todo esto fue posible gracias a la tecnología de Deep learning (aprendizaje profundo).
En todas las pruebas y retos realizados de visión por ordenador, el aprendizaje profundo demostró una superioridad sobre los algoritmos tradicionales.
2016
¡Aprendizaje profundo casi en tiempo real! El aprendizaje profundo, una clase particular de algoritmos de aprendizaje automático, es capaz de simplificar el proceso de extracción y descripción de características mediante una red neuronal convolucional multicapa (CNN).
Gracias a los datos masivos de ImageNet, a las modernas unidades centrales de procesamiento (CPU) y a las unidades de procesamiento gráfico (GPU), las redes neuronales profundas aportan un desarrollo sin precedentes de la visión por ordenador y logran un rendimiento de vanguardia.
Especialmente, el desarrollo de detectores de objetos de una sola etapa hizo que la visión de IA de aprendizaje profundo fuese mucho más eficiente y veloz.
2020
Durante este año, ocurrió el despliegue del aprendizaje profundo y Edge IA. Hoy en día, la CNN se ha convertido en el marco de cálculo estándar de facto en la visión por ordenador.
Además se han desarrollado numerosas redes más profundas y complejas para que las CNN ofrezcan una precisión casi humana, en muchas aplicaciones de visión por ordenador.
Los modelos de IA optimizados y ligeros permiten realizar la visión por ordenador en hardware y dispositivos móviles de bajo coste.
El hardware de IA de borde (Edge IA), como los aceleradores de hardware de aprendizaje profundo, permiten una inferencia de borde altamente eficiente para la visión por ordenador.
Finalmente, podemos recalcar que las tecnologías de Visión por ordenador han evolucionado con el paso del tiempo, pasando de la percepción de objetos comunes a tener casi la visión humana.
Todo esto ha sido posible gracias a pruebas, estudios y mucha data capaz de hacer que los sistemas puedan entender a medida que van trabajando.
En nuestro próximo artículo queremos complementarte esta información con 6 casos de usos de la Visión por ordenador, ¡no te lo pierdas!