Análisis comparativo de generadores automáticos de pies de foto

Abstract

El etiquetado de imagen consiste en la generación de etiquetas que sirvan para describir el contenido de imágenes. Para esto, es necesario detectar y reconocer los objetos o escenas presentes en una imagen e identificar aquellos relevantes. En sus orígenes, el reconocimiento de imagen se limitaba al reconocimiento de patrones codificados manualmente, pero en los últimos años se ha evolucionado notablemente debido al empleo de aprendizaje automático profundo. Actualmente, los etiquetadores de imagen reconocen automáticamente los objetos presentes en una imagen, así como sus propiedades y las relaciones entre estos; incluso permiten generar descripciones en lenguaje natural de bastante calidad semántica y sintáctica. Aunque el etiquetado de imagen siga siendo objeto de investigación activa, ya se ofrecen soluciones comerciales. El objetivo de este trabajo es la realización de un experimento para evaluar la eficacia de cinco soluciones comerciales de etiquetado de imagen sobre un mismo conjunto de datos; lo que requiere emplear técnicas de procesamiento de lenguaje natural para comparar sus etiquetas. Dicho experimento podrá servir de base para la construcción de un sistema que combine el etiquetado realizado por dichos sistemas y trate de mejorar las tasas de acierto y cobertura.