Al hacer clic en “Aceptar todas las cookies”, aceptas el almacenamiento de cookies en tu dispositivo para mejorar la navegación del sitio, analizar el uso del sitio y ayudar en nuestros esfuerzos de marketing. Más información
Configuración de cookies
Al hacer clic en “Aceptar todas las cookies”, aceptas el almacenamiento de cookies en tu dispositivo para mejorar la navegación del sitio, analizar el uso del sitio y ayudar en nuestros esfuerzos de marketing. Más información
Aprenda sobre la detección de objetos, su importancia en la IA y cómo modelos como YOLO11 están transformando industrias como los coches autónomos, la sanidad y la seguridad.
Muchas industrias están integrando rápidamente soluciones de inteligencia artificial (IA) en sus operaciones. Entre las muchas tecnologías de IA disponibles hoy en día, la visión artificial es una de las más populares. La visión artificial es una rama de la IA que ayuda a las computadoras a ver y comprender el contenido de imágenes y videos, al igual que los humanos. Permite a las máquinas reconocer objetos, identificar patrones y dar sentido a lo que están viendo.
Se estima que el valor del mercado global de la visión artificial crecerá a $175.72 mil millones para 2032. La visión artificial abarca varias tareas que permiten a los sistemas de Vision AI analizar e interpretar datos visuales. Una de las tareas más utilizadas y esenciales de la visión artificial es la detección de objetos.
La detección de objetos se centra en localizar y clasificar objetos en datos visuales. Por ejemplo, si le muestras a una computadora una imagen de una vaca, puede detectar la vaca y dibujar un cuadro delimitador alrededor de ella. Esta capacidad es útil en aplicaciones del mundo real como el monitoreo de animales, los coches autónomos y la vigilancia.
Entonces, ¿cómo se puede realizar la detección de objetos? Una forma es a través de modelos de visión artificial. Por ejemplo, Ultralytics YOLO11 es un modelo de visión artificial que admite tareas como la detección de objetos.
En esta guía, exploraremos la detección de objetos y cómo funciona. También analizaremos algunas aplicaciones de la detección de objetos en el mundo real y Ultralytics YOLO11.
Fig. 1. Uso del soporte de YOLO11 para la detección de objetos para monitorizar el ganado.
¿Qué es la detección de objetos?
La detección de objetos es una tarea de visión artificial que identifica y localiza objetos en imágenes o vídeos. Responde a dos preguntas clave: '¿Qué objetos hay en la imagen?' y '¿Dónde están ubicados?'
Puede considerar la detección de objetos como un proceso que implica dos pasos clave. El primero, la clasificación de objetos, permite al sistema reconocer y etiquetar objetos, como identificar un gato, un coche o una persona basándose en patrones aprendidos. El segundo, la localización, determina la posición del objeto dibujando un cuadro delimitador a su alrededor, indicando dónde aparece en la imagen. Juntos, estos pasos permiten a las máquinas detectar y comprender los objetos en una escena.
El aspecto de la detección de objetos que la hace única es su capacidad para reconocer objetos y precisar su ubicación con exactitud. Otras tareas de visión artificial se centran en diferentes objetivos.
Por ejemplo, la clasificación de imágenes asigna una etiqueta a una imagen completa. Mientras tanto, la segmentación de imágenes proporciona una comprensión a nivel de píxel de diferentes elementos. Por otro lado, la detección de objetos combina el reconocimiento con la localización. Esto la hace especialmente útil para tareas como el conteo de múltiples objetos en tiempo real.
Fig. 2. Comparación de tareas de visión artificial.
Reconocimiento de objetos vs. detección de objetos
A medida que explora varios términos de visión artificial, puede sentir que el reconocimiento de objetos y la detección de objetos son intercambiables, pero tienen diferentes propósitos. Una excelente manera de comprender la diferencia es observar la detección de rostros y el reconocimiento facial.
La detección de rostros es un tipo de detección de objetos. Identifica la presencia de un rostro en una imagen y marca su ubicación utilizando un cuadro delimitador. Responde a la pregunta: "¿Dónde está el rostro en la imagen?". Esta tecnología se utiliza comúnmente en cámaras de teléfonos inteligentes que se enfocan automáticamente en los rostros o en cámaras de seguridad que detectan cuando una persona está presente.
El reconocimiento facial, por otro lado, es una forma de reconocimiento de objetos. No solo detecta una cara; identifica de quién es la cara analizando características únicas y comparándolas con una base de datos. Responde a la pregunta: "¿Quién es esta persona?". Esta es la tecnología detrás de desbloquear su teléfono con Face ID o los sistemas de seguridad del aeropuerto que verifican las identidades.
En pocas palabras, la detección de objetos encuentra y localiza objetos, mientras que el reconocimiento de objetos los clasifica e identifica.
Fig 3. Detección de objetos vs reconocimiento de objetos. Imagen del autor.
Muchos modelos de detección de objetos, como YOLO11, están diseñados para soportar la detección de rostros, pero no el reconocimiento facial. YOLO11 puede identificar eficientemente la presencia de un rostro en una imagen y dibujar un cuadro delimitador a su alrededor, lo que lo hace útil para aplicaciones como sistemas de vigilancia, monitoreo de multitudes y etiquetado automático de fotos. Sin embargo, no puede determinar de quién es el rostro. YOLO11 se puede integrar con modelos entrenados específicamente para el reconocimiento facial, como Facenet o DeepFace, para permitir tanto la detección como la identificación en un solo sistema.
Comprender cómo funciona la detección de objetos
Antes de hablar de cómo funciona la detección de objetos, primero veamos más de cerca cómo analiza una imagen un ordenador. En lugar de ver una imagen como nosotros, un ordenador la divide en una cuadrícula de pequeños cuadrados llamados píxeles. Cada píxel contiene información de color y brillo que los ordenadores pueden procesar para interpretar los datos visuales.
Para dar sentido a estos píxeles, los algoritmos los agrupan en regiones significativas en función de la forma, el color y la proximidad entre sí. Los modelos de detección de objetos, como YOLO11, pueden reconocer patrones o características en estos grupos de píxeles.
Por ejemplo, un coche autónomo no ve a un peatón de la misma manera que nosotros: detecta formas y patrones que coinciden con las características de un peatón. Estos modelos se basan en un entrenamiento exhaustivo con conjuntos de datos de imágenes etiquetados, lo que les permite aprender las características distintivas de objetos como coches, señales de tráfico y personas.
Un modelo típico de detección de objetos tiene tres partes clave: backbone, neck y head. El backbone extrae características importantes de una imagen. El neck procesa y refina estas características, mientras que el head es responsable de predecir las ubicaciones de los objetos y clasificarlos.
Perfeccionamiento de las detecciones y presentación de los resultados
Una vez realizadas las detecciones iniciales, se aplican técnicas de post-procesamiento para mejorar la precisión y filtrar las predicciones redundantes. Por ejemplo, se eliminan los cuadros delimitadores superpuestos, lo que garantiza que solo se conserven las detecciones más relevantes. Además, se asignan puntuaciones de confianza (valores numéricos que representan la seguridad del modelo de que un objeto detectado pertenece a una determinada clase) a cada objeto detectado para indicar la certeza del modelo en sus predicciones.
Finalmente, la salida se presenta con cuadros delimitadores dibujados alrededor de los objetos detectados, junto con sus etiquetas de clase predichas y puntuaciones de confianza. Estos resultados pueden utilizarse entonces para aplicaciones del mundo real.
Modelos populares de detección de objetos
Hoy en día, existen muchos modelos de visión artificial disponibles, y algunos de los más populares son los modelos Ultralytics YOLO. Son conocidos por su velocidad, precisión y versatilidad. A lo largo de los años, estos modelos se han vuelto más rápidos, más precisos y capaces de manejar una gama más amplia de tareas. El lanzamiento de Ultralytics YOLOv5 facilitó la implementación con frameworks como PyTorch, lo que permitió que más personas usaran la IA de visión avanzada sin necesidad de una profunda experiencia técnica.
Basándose en esta base, Ultralytics YOLOv8 introdujo nuevas características como la segmentación de instancias, la estimación de poses y la clasificación de imágenes. Ahora, YOLO11 está llevando las cosas aún más lejos con un mejor rendimiento en múltiples tareas. Con un 22% menos de parámetros que YOLOv8m, YOLO11m alcanza una mayor precisión media (mAP) en el conjunto de datos COCO. En términos sencillos, YOLO11 puede reconocer objetos con mayor precisión utilizando menos recursos, lo que lo hace más rápido y fiable.
Tanto si eres un experto en IA como si estás empezando, YOLO11 ofrece una solución potente pero fácil de usar para aplicaciones de visión artificial.
Entrenamiento personalizado de un modelo para la detección de objetos
El entrenamiento de modelos de Visión IA implica ayudar a las computadoras a reconocer y comprender imágenes y videos. Sin embargo, el entrenamiento puede ser un proceso que requiere mucho tiempo. En lugar de empezar desde cero, el aprendizaje por transferencia acelera las cosas mediante el uso de modelos pre-entrenados que ya reconocen patrones comunes.
Por ejemplo, YOLO11 ya ha sido entrenado en el conjunto de datos COCO, que contiene un conjunto diverso de objetos cotidianos. Este modelo pre-entrenado se puede entrenar aún más a medida para detectar objetos específicos que pueden no estar incluidos en el conjunto de datos original.
Para entrenar de forma personalizada YOLO11, necesita un conjunto de datos etiquetado que contenga imágenes de los objetos que desea detectar. Por ejemplo, si desea construir un modelo para identificar diferentes tipos de frutas en una tienda de comestibles, crearía un conjunto de datos con imágenes etiquetadas de manzanas, plátanos, naranjas, etc. Una vez que el conjunto de datos está preparado, YOLO11 puede ser entrenado, ajustando parámetros como el tamaño del lote, la tasa de aprendizaje y las épocas para optimizar el rendimiento.
Con este enfoque, las empresas pueden entrenar YOLO11 para detectar cualquier cosa, desde piezas defectuosas en la fabricación hasta especies de vida silvestre en proyectos de conservación, adaptando el modelo a sus necesidades exactas.
Aplicaciones de la detección de objetos
A continuación, echemos un vistazo a algunos de los casos de uso reales de la detección de objetos y cómo está transformando varias industrias.
Detección de peligros para la conducción autónoma
Los coches autónomos utilizan tareas de visión artificial como la detección de objetos para navegar de forma segura y evitar obstáculos. Esta tecnología les ayuda a reconocer peatones, otros vehículos, baches y peligros en la carretera, lo que les permite comprender mejor su entorno. Pueden tomar decisiones rápidas y moverse con seguridad por el tráfico analizando constantemente su entorno.
Fig 4. Un ejemplo del uso de la detección de objetos para detectar baches con YOLO11.
Análisis de imágenes médicas en la atención sanitaria
Las técnicas de imágenes médicas como los rayos X, las resonancias magnéticas, las tomografías computarizadas y las ecografías crean imágenes muy detalladas del cuerpo humano para ayudar a diagnosticar y tratar enfermedades. Estas exploraciones producen grandes cantidades de datos que los médicos, como los radiólogos y los patólogos, deben analizar cuidadosamente para detectar enfermedades. Sin embargo, revisar cada imagen en detalle puede llevar mucho tiempo, y los expertos humanos a veces pueden pasar por alto detalles debido a la fatiga o las limitaciones de tiempo.
Los modelos de detección de objetos como YOLO11 pueden ayudar identificando automáticamente características clave en escaneos médicos, como órganos, tumores o anomalías, con alta precisión. Los modelos entrenados a medida pueden resaltar áreas de preocupación con cuadros delimitadores, lo que ayuda a los médicos a centrarse en posibles problemas más rápidamente. Esto reduce la carga de trabajo, mejora la eficiencia y proporciona información rápida.
Fig 5. Análisis de imágenes médicas utilizando YOLO11.
Aumentando la seguridad con la detección de personas y anomalías
El seguimiento de objetos es una tarea de visión artificial soportada por YOLO11, que permite la monitorización en tiempo real y la mejora de la seguridad. Se basa en la detección de objetos, identificando objetos y rastreando continuamente su movimiento a través de los fotogramas. Esta tecnología se utiliza ampliamente en sistemas de vigilancia para mejorar la seguridad en diversos entornos.
Por ejemplo, en escuelas y guarderías, el seguimiento de objetos puede ayudar a supervisar a los niños y evitar que se alejen. En aplicaciones de seguridad, desempeña un papel clave en la detección de intrusos en áreas restringidas, la supervisión de multitudes para detectar hacinamiento o comportamientos sospechosos y el envío de alertas en tiempo real cuando se detecta actividad no autorizada. Al realizar un seguimiento de los objetos a medida que se mueven, los sistemas de seguimiento impulsados por YOLO11 mejoran la seguridad, automatizan la supervisión y permiten respuestas más rápidas a posibles amenazas.
Pros y contras de la detección de objetos
Estos son algunos de los beneficios clave que la detección de objetos puede aportar a diversas industrias:
Automatización: La detección de objetos puede ayudar a reducir la necesidad de supervisión humana en tareas como la monitorización de imágenes de CCTV.
Funciona con otros modelos de IA: Se puede integrar con sistemas de reconocimiento facial, reconocimiento de acciones y seguimiento para mejorar la precisión y la funcionalidad.
Procesamiento en tiempo real: Muchos modelos de detección de objetos, como YOLO11, son rápidos y eficientes, lo que los hace ideales para aplicaciones en tiempo real que requieren resultados instantáneos.
Si bien estos beneficios resaltan cómo la detección de objetos impacta en diferentes casos de uso, también es importante considerar los desafíos involucrados en su implementación. Estos son algunos de los desafíos clave:
Privacidad de datos: El uso de datos visuales, especialmente en áreas sensibles como la vigilancia o la atención médica, puede plantear problemas de privacidad y seguridad.
Oclusión: La oclusión en la detección de objetos se produce cuando los objetos están parcialmente bloqueados u ocultos a la vista, lo que dificulta que el modelo los detecte y clasifique con precisión.
Computacionalmente costoso: Los modelos de alto rendimiento a menudo requieren GPUs (Unidades de Procesamiento Gráfico) potentes para el procesamiento, lo que hace que la implementación en tiempo real sea costosa.
Conclusiones clave
La detección de objetos es una herramienta revolucionaria en la visión artificial que ayuda a las máquinas a detectar y localizar objetos en imágenes y vídeos. Se está utilizando en sectores que van desde los coches autónomos hasta la atención médica, lo que hace que las tareas sean más fáciles, seguras y eficientes. Con modelos más nuevos como YOLO11, las empresas pueden crear fácilmente modelos de detección de objetos personalizados para crear aplicaciones especializadas de visión artificial.
Si bien existen algunos desafíos, como los problemas de privacidad y el hecho de que los objetos estén ocultos a la vista, la detección de objetos es una tecnología confiable. Su capacidad para automatizar tareas, procesar datos visuales en tiempo real e integrarse con otras herramientas de IA visual la convierte en una parte esencial de las innovaciones de vanguardia.
