Ingeniería Electrónica · 2026
Metodología para la construcción y etiquetado simultáneo de bases de datos masivas para el entrenamiento de CNNs
La inteligencia artificial (IA) se ha convertido en una tecnología presente en una amplia gama de aplicaciones, desde la medicina y la educación hasta la industria de manufactura y los servicios. Este avance ha sido impulsado, en gran medida, por el desarrollo de algoritmos de aprendizaje supervisado, los cuales permiten abordar problemas fundamentales como clasificación y regresión. En particular, el aprendizaje profundo y las redes neuronales convolucionales (CNN, por sus siglas en inglés) han demostrado que su desempeño en tareas complejas de visión por computador depende críticamente de la disponibilidad de datos etiquetados de alta calidad [1, 2]. Esta dependencia ha motivado el desarrollo de nuevas técnicas y enfoques orientados a optimizar, expandir y mejorar los conjuntos de datos disponibles.