Este proyecto surge para resolver la dificultad de buscar personas en grandes colecciones de imágenes a partir de descripciones escritas, un reto habitual en sistemas de gestión visual y análisis de datos. Para ello se diseñó y desarrolló un sistema que combina generación automática de descripciones de imágenes con búsqueda semántica mediante inteligencia artificial. Se utilizaron modelos BLIP para convertir imágenes en texto y CLIP para medir la similitud entre descripciones e imágenes, logrando identificar de manera eficiente los resultados más relevantes para cada consulta.
La solución se desplegó en el proveedor de servicios en la nube Azure, con el frontend desplegado en Static Web Apps e integrado con GitHub, lo que permite actualizar automáticamente la interfaz con cada cambio en el repositorio. El backend corre en una máquina virtual gestionada con Nginx y Gunicorn, garantizando seguridad, escalabilidad y accesibilidad desde cualquier red.
Aunque el proyecto se desarrolló de forma independiente, sus resultados pueden ser útiles para sectores como seguridad, análisis de medios o gestión de bases de datos visuales. Entre los logros más importantes se encuentran la capacidad de generar descripciones coherentes, organizar imágenes según su relevancia semántica y ofrecer un sistema funcional y confiable en tiempo real. En conclusión, el proyecto demuestra que es posible combinar inteligencia artificial, despliegue en la nube y automatización de repositorios para crear soluciones prácticas, escalables y mantenibles en el ámbito de la visión artificial y la recuperación semántica de información.
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional