El libro recorre el trabajo completo con imágenes: clasificación, detección, segmentación, arquitecturas de modelos, preparación de conjuntos, entrenamiento, puesta en servicio y vigilancia. De la copia que tengo trabajé la parte de datos y de puesta en servicio, que es la que me concierne.
Qué saqué de él
El capítulo de construcción del conjunto de datos es el que cambió cómo respondo a estos pedidos. La etiqueta es la parte cara: alguien tiene que decir, imagen por imagen, qué es lo que hay ahí. Y antes de eso alguien tiene que definir el criterio, porque si dos personas etiquetan la misma foto de forma distinta, ningún modelo arregla esa discrepancia; la aprende.
La segunda idea que me llevé es que las condiciones de captura pesan más que el modelo. Luz, ángulo, distancia, fondo. Un documento fotografiado torcido sobre un escritorio desordenado no se resuelve con un modelo más grande, se resuelve con una guía de cómo tomar la foto. Esto vale directamente para cualquier proyecto que digitalice comprobantes, que es un pedido bastante común por aquí.
La tercera es la más útil comercialmente: casi todos estos proyectos que fracasan no fracasan por el modelo, fracasan porque nadie presupuestó el etiquetado ni definió quién lo hace. Cuando pregunto eso en la primera conversación, la mitad de los pedidos se transforman en otra cosa, más pequeña y factible.
Qué dejé fuera
Los capítulos de arquitecturas de modelos, que son un recorrido por la investigación de los últimos años y envejecen rápido. Y no opino sobre lo que no tengo: la copia es parcial. Tampoco pretendo que leer esto habilite a nadie a hacer un proyecto de visión; me habilitó a lo contrario, que es reconocer cuándo pasarle el trabajo a quien sí se dedica a eso.