Red neuronal convolucional · CNN
Convolutional Neural Network
¿Qué es una red neuronal convolucional?
- Captura en etapas los rasgos locales de la imagen
- Reconoce por capas: línea → forma → objeto
- Protagonista de la visión por computadora
Lo que cambió la CNN es 'quién crea las características'. Antes, los ingenieros diseñaban a mano las fórmulas que medían la dirección de los bordes o los cambios de brillo, y cuando cambiaba el producto volvían a escribir esas fórmulas desde cero. La CNN convirtió los propios valores de los filtros, que equivalen a esas fórmulas, en objeto de aprendizaje. Por eso, cuando cambia el entorno, lo que se reemplaza son los datos y no el código, y el cuello de botella del desarrollo pasó a ser conseguir imágenes etiquetadas, no el algoritmo. En la práctica, esta diferencia se ve como la diferencia entre 'seis meses de desarrollo de algoritmos' y 'seis semanas de recolección de datos'.
La estructura suele dividirse en capas convolucionales, capas de pooling y capas totalmente conectadas que se encargan del juicio final. Como un filtro de 3×3 recorre toda la imagen, aprende cientos de veces menos valores que una red totalmente conectada de tamaño comparable, y el mismo filtro responde tanto si el objeto está a la izquierda como a la derecha de la foto. En la industria rara vez se entrena desde cero. Lo habitual es el aprendizaje por transferencia: se toma un modelo preentrenado con 1.2 millones de imágenes de ImageNet y solo se reentrena la parte final. Si se tienen miles de imágenes internas, normalmente con esto basta. Los transformers de visión (ViT) superan a las CNN en conjuntos de datos grandes, pero con datos internos de miles de imágenes, la CNN sigue siendo estable.
El error más común es poner en la línea un modelo que solo fue evaluado por su precisión de validación. En un proceso con 1% de defectos, marcar todas las piezas como buenas daría 99% de precisión, así que la cifra que realmente hay que mirar es el recall, que mide los defectos no detectados. Además, aunque la CNN tolera bastante bien los cambios de posición, no se vuelve automáticamente robusta ante rotaciones, ampliaciones o cambios de temperatura de color en la iluminación. Es frecuente que la tasa de detección caiga en picada tras cambiar a iluminación nocturna. Si fotogramas continuos de la misma pieza quedan repartidos entre el conjunto de entrenamiento y el de validación, aparece una fuga de datos que infla el resultado muy por encima de la realidad, y el rendimiento verdadero solo se descubre al ponerlo en la línea. También se cree que no se puede saber en qué se basa el modelo, pero herramientas como Grad-CAM muestran en un mapa de calor qué zonas miró para decidir que había un defecto.
Ara LimEspecialista en liderazgo global, IA y comunicación empresarial
Seungtae ParkInstructor de AX práctico que enseña desarrollo de negocios con IA y automatización de marketing, creando esas soluciones directamenteYann LeCun sentó sus bases en 1989, y en 2012 AlexNet ganó la competencia y abrió la era del aprendizaje profundo.
Veamos un caso hipotético. A, fabricante de piezas inyectadas para automóviles, tiene 240 colaboradores y ventas anuales de KRW 78,000,000,000 (≈ US$58,380,600). Su inspección de apariencia la hacen seis inspectores a simple vista. Al revisar 30,000 piezas diarias a ojo, las rayaduras se escapaban a los clientes: 4 reclamos al año, y solo la clasificación de todas las piezas costaba KRW 20,000,000 (≈ US$15,000) por caso. El equipo de calidad propuso la inspección de apariencia con CNN como proyecto de tres meses.
- El jefe de departamento Lee, de Calidad, revisó tres años de registros de inspección, pero solo encontró 1,200 imágenes reales de defectos con etiqueta. Las fotos de productos conformes eran 280,000.
- El gerente Kim, de ingeniería de producción, dijo que primero hay que diseñar la plantilla de captura y después el aprendizaje. "¿Para qué aprender si el ángulo de la luz cambia cada día?", y durante dos semanas fijó la iluminación y la distancia.
- Una empresa externa ajustó finamente (fine-tuning) una ResNet-50 preentrenada, aumentando 1,200 imágenes de defectos a 9,600 mediante rotación y cambios de brillo. En tres semanas alcanzó 97% de precisión en validación.
- En la reunión de resultados, el CEO preguntó «¿cuántos defectos se nos escaparon?», y se revelaron 18 casos no detectados. Se bajó el umbral de decisión con criterio de recall, aceptando que hubiera más falsos positivos.
- Seis meses después, las reclamaciones por fuga bajaron de 4 al año a 0, y 4 de los 6 inspectores fueron reasignados a los procesos de reinspección y empaque. A cambio, el 3.2% de sobredetección lo revisa una persona en una segunda verificación.