Servicios de anotación de imágenes para visión por computador: validación experta, ISO 27001, equipos en la UE

Cajas delimitadoras para detección de objetos cuando la posición y la clase importan más que la forma exacta; cajas ajustadas y reglas coherentes de oclusión y truncamiento. Polígonos y máscaras de segmentación (semántica, de instancias y panóptica) cuando los contornos importan: defectos, órganos, cultivos, superficies de carretera. Puntos clave y puntos de referencia para modelos de pose, gestos, rostro y estructura de objetos, con indicador de visibilidad por punto. OCR y regiones de texto para texto en escena, tickets, formularios y documentos de identidad, vinculados a transcripciones y nombres de campo. Clasificación de imágenes y atributos para etiquetas por imagen o por objeto como estado, color, marca o tipo de defecto. También construimos la ontología con usted: clases jerárquicas, reglas para casos límite, tratamiento de los «dudosos» y los ejemplos que los anotadores necesitan antes de etiquetar la primera imagen.

Para profundizar: ¿Qué es la anotación de imágenes? Guía completa 2026 para visión por ordenador, Cómo anotar imágenes para la detección de objetos y COCO vs YOLO vs Pascal VOC: cómo elegir el formato de anotación adecuado.

Cada proyecto empieza con una guía de anotación escrita y un objetivo de calidad acordado, seguido de un piloto de pago sobre una muestra de sus imágenes reales, para que compruebe la calidad de las etiquetas y el ritmo de entrega antes de comprometer volumen. La producción combina preanotación asistida por modelo cuando aporta valor con anotadores formados en su taxonomía, sobre herramientas de anotación personalizadas configuradas para sus clases y etapas de revisión. Cada lote pasa validación humana y comprobaciones automáticas (uso de clases, geometría de cajas y máscaras, duplicados e instancias ausentes) antes de la entrega.

La calidad se mide, no se supone: acuerdo entre anotadores por clase, IoU frente a imágenes de referencia para cajas y máscaras, y muestreo de aceptación en cada lote, todo ello reportado junto con los archivos. Entrega en COCO JSON, YOLO TXT, Pascal VOC XML, máscaras PNG o su propio esquema. Nuestra guía de precios explica cómo el tipo de anotación, la densidad de las escenas y el nivel de calidad determinan el coste.

DataVLab cuenta con la certificación ISO/IEC 27001 y aplica flujos de trabajo conformes con el RGPD y la HIPAA: entornos de anotación con acceso controlado, minimización de datos, acuerdos de tratamiento firmados y equipos exclusivamente en la UE cuando sus imágenes no pueden salir de Europa. Rostros, matrículas y datos de pacientes pueden tratarse con reglas específicas del proyecto, incluidos el difuminado o colas de acceso restringido.

Para los equipos que desarrollan sistemas de IA de alto riesgo según el Reglamento europeo de IA (EU AI Act), documentamos las guías, la cualificación de los anotadores, los controles de calidad y la composición del conjunto de datos para que su expediente de gobernanza de datos (artículo 10) esté listo antes de los plazos.

La calidad de las etiquetas decide la calidad del modelo. Un estudio sobre diez conjuntos de datos de referencia muy utilizados encontró al menos un 3,3 % de etiquetas erróneas y demostró que corregirlas puede cambiar qué modelo rinde mejor. Una caja delimitadora se dibuja en entre 30 segundos y unos minutos y una máscara de segmentación en varios minutos, pero un error sin revisar cuesta mucho más una vez llega al entrenamiento. Por eso la validación humana forma parte de cada proyecto de anotación de imágenes de DataVLab y no es un extra. Nuestra página de estadísticas de anotación de datos recopila las cifras publicadas.