Custom Vision
Microsoft · Imagen
Custom Vision es el servicio de reconocimiento de imágenes de Microsoft Azure. Subes fotos etiquetadas, entrenas un clasificador o un detector y luego lo llamas por API o lo exportas para que funcione sin conexión.
Acerca de Custom Vision
What Is Custom Vision
Custom Vision es el servicio gestionado de Microsoft para montar un servicio de reconocimiento de imágenes con datos propios. Tú aportas las fotos, las marcas con las etiquetas que te interesan y la plataforma entrena un identificador de imágenes personalizado que puntúa imágenes nuevas contra esas etiquetas. Hay dos tipos de proyecto: clasificación, donde cada foto recibe una etiqueta o varias, y detección de objetos, donde el modelo devuelve además un recuadro alrededor de cada objeto que encuentra.
El trabajo se hace en el portal customvision.ai desde el navegador, o con los SDK y la API REST si prefieres automatizar el proceso. El entrenamiento corre sobre cómputo de Azure que pagas por hora, y las predicciones van contra un recurso aparte, así un endpoint de producción con mucho tráfico no compite con tus pruebas. Los modelos entrenados en un dominio compacto se pueden exportar a un móvil, una cámara o un servidor local, y esa es la razón principal por la que muchos equipos lo eligen frente a una API puramente en la nube.
El problema es la fecha. Microsoft anunció la retirada de Azure Custom Vision y dará soporte a los clientes actuales hasta el 25 de septiembre de 2028. Queda margen, pero cualquier proyecto nuevo de entrenamiento de modelos de visión artificial debería mirar antes el plan de migración. La precisión es el otro límite práctico: cien imágenes limpias y bien etiquetadas suelen superar a mil descuidadas, y un modelo entrenado con fotos de estudio falla con capturas borrosas hechas en obra.
Getting Started
- Crea un recurso de entrenamiento de Custom Vision en el portal de Azure y elige una región cercana a tus datos.
- Abre customvision.ai, crea un proyecto de clasificación o de detección y selecciona un dominio.
- Sube y etiqueta imágenes, con al menos 15 o 30 por etiqueta antes del primer entrenamiento.
- Entrena, revisa precisión y exhaustividad por etiqueta y ajusta las etiquetas o añade fotos antes de repetir.
- Publica la iteración en un recurso de predicción y llama al endpoint desde tu aplicación.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Custom Vision.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores que añaden orden de imágenes a una app existente
- Equipos de operaciones de fábricas pequeñas
- Personal de catálogo y retail
Tareas
- Clasificar archivos que suben los usuarios
- Comprobar si una pieza está o no está
- Leer el estado visual de una cámara fija
- Probar una idea de visión en una semana
Casos de uso
- Una app de inspección en campo que tiene que funcionar sin cobertura
- Un flujo de soporte que ordena capturas por tipo
- Un piloto antes de un desarrollo mayor
Funciones clave
Clasificación de imágenes con etiquetas propias
Tú defines las etiquetas y el modelo de clasificación de imágenes aprende cómo se ven. Los proyectos multiclase eligen una sola etiqueta por imagen, mientras los multietiqueta admiten varias a la vez, algo útil cuando una foto contiene más de un elemento relevante. Tras el entrenamiento, cada predicción llega con una probabilidad por etiqueta y tu código decide dónde poner el corte.
Detección de objetos con recuadros
Los proyectos de detección devuelven la ubicación de cada instancia de una etiqueta, no solo su presencia. Eso importa para contar artículos, revisar la posición en una cadena de montaje o recortar una zona para un paso posterior. Dibujas los recuadros en el portal y el modelo de detección de objetos entrenado informa coordenadas y confianza de cada coincidencia.
Dominios preconfigurados para entrenar antes
En lugar de partir de un modelo general vacío, puedes elegir un dominio ajustado a un tipo de contenido: comida, monumentos, retail o una variante compacta pensada para exportar. Un punto de partida más cercano suele significar menos imágenes para llegar a una precisión usable. La contrapartida es que los dominios compactos limitan el tamaño del modelo y no llegan tan lejos como un dominio completo en la nube.
Iteraciones, métricas y umbrales
Cada entrenamiento genera una iteración con nombre que puedes comparar. El portal muestra precisión, exhaustividad y precisión media por etiqueta, y puedes fijar un umbral de probabilidad para cada etiqueta y así equilibrar falsas alarmas y elementos no detectados. Publicar una iteración es un paso aparte, de modo que un experimento malo nunca toca el endpoint activo.
Exportación al borde y contenedores
Los modelos de dominios compactos se exportan como TensorFlow, CoreML, ONNX o una imagen Docker para Linux y Windows. Así puedes ejecutar un identificador de imágenes personalizado sin conexión en un móvil, una Raspberry Pi o un PC industrial. Los modelos exportados no envían datos fuera, lo que ayuda cuando la información no puede salir de la instalación.
Portal, SDK y API REST
El portal web cubre el etiquetado, el entrenamiento y las pruebas sin escribir código. Cuando necesitas procesos repetibles, la API REST y las librerías cliente para .NET, Python, Java y Node.js hacen las mismas operaciones por programa. Entrenamiento y predicción viven en recursos separados de Azure, así puedes mantener las pruebas en una región barata y atender el tráfico desde la más cercana a tus usuarios.
Ventajas y desventajas
Ventajas
- Pasas de fotos etiquetadas a un endpoint funcionando sin escribir código de entrenamiento.
- El plan gratuito incluye 2 proyectos, 1 hora de entrenamiento al mes y 10.000 predicciones.
- Los modelos compactos se exportan a CoreML, ONNX, TensorFlow y Docker para inferencia sin conexión.
- Los recursos de entrenamiento y predicción se facturan por separado, así los experimentos parados cuestan poco.
- La facturación, el control de acceso y la monitorización quedan dentro de la suscripción de Azure que ya usas.
Desventajas
- Microsoft retira el servicio el 25 de septiembre de 2028, así que cada despliegue necesita un plan de migración.
- La precisión se hunde con conjuntos de etiquetas pequeños o inconsistentes, y arreglarlo implica más trabajo manual de etiquetado.
- La exportación solo funciona con dominios compactos, que ceden algo de precisión frente a los modelos completos en la nube.
- El coste de predicción crece con el tráfico a 2 USD por 1.000 transacciones, y eso pesa en apps de mucho volumen.
Preguntas frecuentes
Entrena modelos de imagen con tus propias fotos etiquetadas. Los usos habituales incluyen ordenar imágenes de producto, marcar defectos en una línea de producción, leer el estado de una cámara fija y clasificar archivos que suben los usuarios según su contenido.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Custom Vision.
Alternativas a Custom Vision
Google EmbeddingGemma 2
Google DeepMind · Escritura · Imagen · ProgramaciónGoogle EmbeddingGemma 2 es un modelo abierto de 740 millones de parámetros que convierte texto, código, imágenes, audio y fotogramas de vídeo en vectores de un mismo espacio de 768 dimensiones, y funciona en móviles y portátiles.
Tractionwave
TractionWave · Imagen · MarketingTractionWave genera mapas de calor de atención con IA para anuncios estáticos. Subes un PNG o JPG y obtienes la atención prevista, puntos calientes ordenados y correcciones antes de invertir presupuesto.
Imejis.io
Imejis.io · Imagen · MarketingImejis.io es un estudio de diseño con IA para agentes y equipos de marketing. Describes una imagen con tus palabras y la herramienta escribe el texto, arma la maqueta, la adapta a cada tamaño y exporta el archivo final.