Resumen

El módulo de Etiquetado de Imágenes de SurveyAnalytica’s ofrece un flujo de trabajo completo para organizar, etiquetar y preparar conjuntos de datos de imágenes para machine learning. Ya sea que esté construyendo un modelo de clasificación de imágenes, curando un catálogo de productos o analizando contenido visual de encuestas, las herramientas de Etiquetado de Imágenes le ofrecen etiquetado automático mediante visión por computadora impulsada por AI, interfaces de etiquetado manual, operaciones masivas y exportación directa a su motor de analítica.

Primeros pasos con el Etiquetado de Imágenes

Carga de imágenes

Cargue imágenes a través del asistente de Gestión de Datos. Puede cargar imágenes individuales, varias imágenes a la vez, o un archivo ZIP que contenga imágenes organizadas en carpetas. Los formatos de imagen admitidos incluyen PNG, JPG, JPEG, GIF, BMP y WebP.

Indexación de imágenes

Después de la carga, las imágenes deben ser indexadas. El proceso de indexación escanea sus archivos cargados y crea registros en la base de datos de etiquetado de imágenes con metadatos completos. Navegue a su conjunto de datos de imágenes y el sistema intentará indexar automáticamente las imágenes de sus carpetas de carga.

Durante la indexación, el sistema extrae:

• Metadatos del archivo: Nombre del archivo, extensión, tamaño, tipo de contenido, fecha de carga
• Estructura de carpetas: Segmentos de ruta, carpetas superiores
• Indicios de clasificación: Detecta automáticamente nombres de clase a partir de los nombres de carpetas e indicadores de división train/test/validation a partir de las rutas de las carpetas
• Etiquetas sugeridas: Generadas a partir de nombres de clase basados en carpetas y asignaciones de división

Use Forzar reindexación para eliminar todos los registros de imágenes existentes y volver a indexar desde cero.

Etiquetado automático con visión por computadora

La función de etiquetado automático utiliza visión por computadora impulsada por AI para analizar imágenes automáticamente y generar etiquetas descriptivas.

Cómo etiquetar automáticamente

1. Navegue a su conjunto de datos de imágenes.
2. Haga clic en Etiquetar automáticamente para iniciar el proceso.
3. El sistema procesa todas las imágenes por lotes, analizando cada imagen mediante visión por computadora.
4. Los resultados se guardan con etiquetas, puntuaciones de confianza y el origen marcado como generado automáticamente.

Estructura de la etiqueta

Cada etiqueta incluye:

• tag: El texto de la etiqueta (por ejemplo, “perro”, “exterior”, “montaña”)
• source: Cómo se creó la etiqueta — generada automáticamente, manual, carpeta, clasificación, división
• confidence: Una puntuación de 0 a 1 que indica la certeza de la etiqueta
• approved: Booleano que indica si la etiqueta ha sido revisada y aprobada

Etiquetado manual

Puede agregar, editar o eliminar etiquetas manualmente de cualquier imagen:

• Agregar etiquetas: Escriba nombres de etiquetas nuevas y asígnelas a imágenes individuales o en bloque.
• Editar etiquetas: Modifique las etiquetas existentes o las puntuaciones de confianza.
• Eliminar etiquetas: Elimine etiquetas incorrectas o no deseadas.
• Aprobar etiquetas: Revise las etiquetas generadas automáticamente y márquelas como aprobadas.

Operaciones masivas

Para conjuntos de datos grandes, las operaciones masivas son esenciales:

Etiquetado masivo

Aplique etiquetas a varias imágenes a la vez. Puede seleccionar imágenes por:

• IDs de imagen explícitos: Seleccione imágenes específicas para etiquetar.
• Criterios de filtro: Aplique etiquetas a todas las imágenes que coincidan con una división, nombre de clase o carpeta.
• Modo: Elija “agregar” para añadir etiquetas sin eliminar las existentes, o “reemplazar” para sobrescribir todas las etiquetas.

Aprobación masiva

Revise y apruebe etiquetas en varias imágenes simultáneamente. Apruebe todas las etiquetas de las imágenes seleccionadas o de todo el conjunto de datos.

Promoción de sugerencias

Convierta las etiquetas sugeridas (generadas a partir de la estructura de carpetas, nombres de archivo o detección de división) en etiquetas confirmadas. Seleccione qué fuentes de sugerencias promover (carpeta, división, nombre de archivo).

Restauración masiva

Restaure etiquetas de varias imágenes a la vez, útil para operaciones de deshacer después de cambios masivos.

Filtrado y búsqueda

La interfaz de etiquetado de imágenes ofrece un potente filtrado:

• Por división: Filtre imágenes por división train, test, validation o dev
• Por nombre de clase: Filtre por etiqueta de clase detectada o asignada
• Por carpeta: Filtre por carpeta de origen
• Por búsqueda: Busque por nombre de archivo o ID de imagen
• Por estado de etiqueta: Vea imágenes sin etiquetar, etiquetadas o aprobadas

Las facetas se calculan dinámicamente con comportamiento en cascada — seleccionar un filtro de división actualiza los nombres de clase disponibles en consecuencia.

Opciones de ordenación

• Nombre de archivo (ascendente/descendente)
• Fecha (ascendente/descendente)
• Cantidad de etiquetas (ascendente/descendente)

Exclusión de imágenes

Excluya imágenes problemáticas de su conjunto de datos sin eliminarlas:

• Marque imágenes como excluidas con un motivo (manual, duplicado, baja calidad, etc.)
• Restaure imágenes excluidas cuando sea necesario
• Vea el recuento de imágenes excluidas desglosado por motivo
• Las imágenes excluidas se filtran automáticamente durante la generación de datos de entrenamiento

Estadísticas de imágenes

La función de estadísticas de imágenes proporciona metadatos detallados sobre su conjunto de datos:

• Dimensiones: Ancho y alto mínimo, máximo, medio y mediano de todas las imágenes
• Formatos: Distribución de formatos de imagen (JPEG, PNG, etc.)
• Tamaños de archivo: Tamaños de archivo mínimo, máximo y medio en KB y tamaño total en MB
• Valores atípicos: Imágenes con dimensiones más de 3 veces la mediana, marcadas para revisión

Flujo de trabajo de clasificación

Para construir modelos de clasificación de imágenes, la plataforma ofrece un pipeline de clasificación completo:

Analizar la estructura del conjunto de datos

El sistema escanea la estructura de carpetas para detectar clases, divisiones e imágenes sin clasificar. Admite tanto el análisis estándar de carpetas como el análisis inteligente impulsado por AI.

Asignación de etiquetas

Las etiquetas se pueden asignar desde múltiples fuentes:

• Estructura de carpetas: Detectada automáticamente a partir de los nombres de subcarpetas
• Archivo CSV: Cargue o seleccione un archivo CSV con asignaciones de nombre de archivo a etiqueta. El sistema detecta automáticamente las columnas de nombre de archivo y etiqueta.
• Etiquetas existentes: Convierta etiquetas de imagen aprobadas en etiquetas de clasificación.
• Asignación manual: Asigne etiquetas a imágenes específicas a través de la interfaz.

Detección de desequilibrio de clases

La plataforma analiza la distribución de clases e informa:

• Recuentos y porcentajes por clase
• Ratio de desequilibrio (clase más grande / clase más pequeña)
• Nivel de severidad (bajo, moderado, alto)
• Recomendaciones para equilibrar (submuestreo, sobremuestreo o recopilar más datos)

Equilibrado del conjunto de datos

Equilibre automáticamente su conjunto de datos excluyendo el exceso de imágenes de las clases más grandes (submuestreo). El sistema utiliza muestreo aleatorio con una semilla fija para garantizar la reproducibilidad.

Generación de datos de entrenamiento

Genere divisiones de train/validation/test con proporciones configurables:

• División predeterminada: 70% train, 15% validation, 15% test
• Muestreo estratificado: Garantiza que cada clase esté representada proporcionalmente en cada división
• Formatos de exportación: Estructura de carpetas (imágenes organizadas en carpetas train/val/test) y manifiesto CSV
• Excluir imágenes excluidas: Filtra automáticamente las imágenes excluidas de los datos de entrenamiento

Exportación de datos

Exporte las etiquetas aprobadas y los metadatos de imagen para análisis. La exportación crea un conjunto de datos estructurado con ID de imagen, ruta de archivo, nombre de archivo, etiquetas y campos personalizados, lo que permite analizar su conjunto de datos de imágenes.

Historial de etiquetas

Todas las operaciones de etiquetado se registran en un historial, incluyendo operaciones masivas, ediciones manuales, promociones, aprobaciones y restauraciones. Esto proporciona un registro de auditoría completo de cómo se curó su conjunto de datos a lo largo del tiempo.