Guía para profundizar en la detección de objetos en 2025

Muchas industrias están integrando rápidamente soluciones de inteligencia artificial (AI) en sus operaciones. Entre las muchas tecnologías de AI disponibles hoy en día, la visión por computador es una de las más populares. La visión por computador es una rama de la AI que ayuda a los ordenadores a ver y comprender el contenido de imágenes y vídeos, igual que hacemos los humanos. Permite que las máquinas reconozcan objetos, identifiquen patrones y comprendan lo que están observando.

Se estima que el valor del mercado mundial de la visión por computador crecerá hasta alcanzar los 175,72 mil millones de dólares en 2032. La visión por computador engloba diversas tareas que permiten a los sistemas de visión artificial analizar e interpretar datos visuales. Una de las tareas de visión por computador más utilizadas y esenciales es la detección de objetos.

La detección de objetos se centra en localizar y clasificar objetos en datos visuales. Por ejemplo, si muestras a un ordenador una imagen de una vaca, puede detectar la vaca y dibujar un cuadro delimitador a su alrededor. Esta capacidad resulta útil en aplicaciones del mundo real, como la monitorización de animales, los coches autónomos y la videovigilancia.

Entonces, ¿cómo se puede realizar la detección de objetos? Una forma es mediante modelos de visión por computador. Por ejemplo, Ultralytics YOLO11 es un modelo de visión por computador compatible con tareas de visión por computador, como la detección de objetos.

En esta guía, exploraremos la detección de objetos y su funcionamiento. También analizaremos algunas aplicaciones reales de la detección de objetos y de Ultralytics YOLO11.

Fig. 1. Uso de la compatibilidad de YOLO11 con la detección de objetos para monitorizar ganado.

¿Qué es la detección de objetos?#

La detección de objetos es una tarea de visión por computador que identifica y localiza objetos en imágenes o vídeos. Responde a dos preguntas clave: «¿Qué objetos hay en la imagen?» y «¿Dónde están ubicados?»

Puedes considerar la detección de objetos como un proceso que consta de 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 a partir de patrones aprendidos. El segundo, la localización, determina la posición del objeto dibujando un cuadro delimitador a su alrededor, que indica dónde aparece en la imagen. Juntos, estos pasos permiten a las máquinas detectar y comprender los objetos de una escena.

El aspecto que hace única a la detección de objetos es su capacidad para reconocer objetos y señalar su ubicación con precisión. Otras tareas de visión por computador se centran en objetivos diferentes.

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 los distintos elementos. En cambio, la detección de objetos combina el reconocimiento con la localización. Esto la hace especialmente útil para tareas como contar varios objetos en tiempo real.

Fig. 2. Comparación de tareas de visión por computador.

Reconocimiento de objetos frente a detección de objetos#

Al explorar distintos términos de visión por computador, puede que te parezca que el reconocimiento de objetos y la detección de objetos son intercambiables, pero tienen finalidades diferentes. Una buena forma de entender la diferencia es observar la detección y el reconocimiento facial.

La detección facial es un tipo de detección de objetos. Identifica la presencia de un rostro en una imagen y marca su ubicación mediante un cuadro delimitador. Responde a la pregunta: «¿Dónde está el rostro en la imagen?». Esta tecnología se utiliza habitualmente en cámaras de smartphones que enfocan automáticamente los rostros o en cámaras de seguridad que detectan cuándo hay una persona presente.

El reconocimiento facial, por otro lado, es una forma de reconocimiento de objetos. No se limita a detectar un rostro; identifica de quién es mediante el análisis de rasgos únicos y su comparación con una base de datos. Responde a la pregunta: «¿Quién es esta persona?». Esta es la tecnología que permite desbloquear el teléfono con Face ID o utilizar sistemas de seguridad aeroportuaria que verifican 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 frente a reconocimiento de objetos. Imagen del autor.

Muchos modelos de detección de objetos, como Ultralytics YOLO11, están diseñados para admitir la detección facial, pero no el reconocimiento facial. YOLO11 puede identificar eficazmente 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 videovigilancia, monitorización de multitudes y etiquetado automático de fotografías. Sin embargo, no puede determinar de quién es el rostro. YOLO11 puede integrarse con modelos entrenados específicamente para el reconocimiento facial, como Facenet o DeepFace, para permitir tanto la detección como la identificación en un único sistema.

Cómo funciona la detección de objetos#

Antes de analizar cómo funciona la detección de objetos, veamos con más detalle cómo analiza un ordenador una imagen. En lugar de ver una imagen como nosotros, un ordenador la descompone en una cuadrícula de pequeños cuadrados llamados píxeles. Cada píxel contiene información sobre el color y el brillo que los ordenadores pueden procesar para interpretar datos visuales.

Para dar sentido a estos píxeles, los algoritmos los agrupan en regiones significativas según su forma, color y proximidad. Los modelos de detección de objetos, como Ultralytics YOLO11, pueden reconocer patrones o características en estos grupos de píxeles.

Por ejemplo, un coche autónomo no ve a un peatón como lo hacemos nosotros: detecta formas y patrones que coinciden con las características de un peatón. Estos modelos dependen de un entrenamiento exhaustivo con conjuntos de datos de imágenes etiquetadas, lo que les permite aprender las características distintivas de objetos como coches, señales de tráfico y personas.

Un modelo típico de detección de objetos consta de tres partes clave: backbone, neck y head. El backbone extrae las características importantes de una imagen. El neck procesa y perfecciona estas características, mientras que el head se encarga 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 posprocesamiento para mejorar la precisión y filtrar las predicciones redundantes. Por ejemplo, se eliminan los cuadros delimitadores superpuestos para garantizar que solo se conserven las detecciones más relevantes. Además, se asignan puntuaciones de confianza (valores numéricos que representan el grado de certeza 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.

Por último, el resultado se presenta con cuadros delimitadores dibujados alrededor de los objetos detectados, junto con sus etiquetas de clase previstas y sus puntuaciones de confianza. Estos resultados pueden utilizarse posteriormente en aplicaciones del mundo real.

Modelos populares de detección de objetos#

Hoy en día hay muchos modelos de visión por computador disponibles, y algunos de los más populares son los modelos YOLO de Ultralytics. Son conocidos por su velocidad, precisión y versatilidad. Con el paso de los años, estos modelos se han vuelto más rápidos, precisos y capaces de gestionar una gama más amplia de tareas. El lanzamiento de Ultralytics YOLOv5 facilitó la implementación con frameworks como PyTorch, lo que permitió a más personas utilizar una AI de visión avanzada sin necesidad de conocimientos técnicos profundos.

Sobre esta base, Ultralytics YOLOv8 introdujo nuevas funciones, como la segmentación de instancias, la estimación de la pose y la clasificación de imágenes. Ahora, YOLO11 lleva las cosas aún más lejos con un mejor rendimiento en varias tareas. Con un 22 % menos de parámetros que YOLOv8m, YOLO11m logra una mayor precisión media promedio (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 experto en AI como si acabas de empezar, Ultralytics YOLO11 ofrece una solución potente y fácil de usar para aplicaciones de visión por computador.

Entrenamiento personalizado de un modelo para la detección de objetos#

Entrenar modelos de Vision AI implica ayudar a los ordenadores a reconocer y comprender imágenes y vídeos. Sin embargo, el entrenamiento puede ser un proceso que requiere mucho tiempo. En lugar de empezar desde cero, el aprendizaje por transferencia acelera el proceso mediante el uso de modelos preentrenados que ya reconocen patrones comunes.

Por ejemplo, Ultralytics YOLO11 ya se ha entrenado con el conjunto de datos COCO, que contiene un conjunto diverso de objetos cotidianos. Este modelo preentrenado puede volver a entrenarse de forma personalizada para detectar objetos específicos que no estén incluidos en el conjunto de datos original.

Para entrenar de forma personalizada Ultralytics YOLO11, necesitas un conjunto de datos etiquetado que contenga imágenes de los objetos que quieres detectar. Por ejemplo, si quieres crear un modelo para identificar distintos tipos de frutas en un supermercado, crearías un conjunto de datos con imágenes etiquetadas de manzanas, plátanos, naranjas, etc. Una vez preparado el conjunto de datos, YOLO11 puede entrenarse 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 Ultralytics YOLO11 para detectar cualquier cosa, desde piezas defectuosas en la fabricación hasta especies silvestres en proyectos de conservación, adaptando el modelo a sus necesidades exactas.

Aplicaciones de la detección de objetos#

A continuación, veremos algunos casos de uso reales de la detección de objetos y cómo está transformando diversas industrias.

Detección de peligros para la conducción autónoma#

Los coches autónomos utilizan tareas de visión por computador, como la detección de objetos, para desplazarse de forma segura y evitar obstáculos. Esta tecnología les ayuda a reconocer peatones, otros vehículos, baches y peligros de la carretera, lo que les permite comprender mejor su entorno. Pueden tomar decisiones rápidas y circular con seguridad entre el tráfico mediante el análisis constante de su entorno.

Fig. 4. Ejemplo del uso de la detección de objetos para detectar baches con Ultralytics YOLO11.

Análisis de imágenes médicas en el ámbito sanitario#

Las técnicas de diagnóstico por imagen, como las radiografías, 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 generan grandes cantidades de datos que los médicos, como radiólogos y patólogos, deben analizar cuidadosamente para detectar enfermedades. Sin embargo, revisar cada imagen en detalle puede llevar mucho tiempo, y los expertos humanos pueden pasar por alto detalles debido a la fatiga o a las limitaciones de tiempo.

Los modelos de detección de objetos, como Ultralytics YOLO11, pueden ayudar identificando automáticamente características clave en exploraciones médicas, como órganos, tumores o anomalías, con gran precisión. Los modelos entrenados de forma personalizada pueden resaltar las zonas problemáticas mediante cuadros delimitadores, ayudando a los médicos a centrarse más rápidamente en posibles problemas. Esto reduce la carga de trabajo, mejora la eficiencia y proporciona información rápida.

Fig. 5. Análisis de imágenes médicas mediante Ultralytics YOLO11.

Mejora de la seguridad mediante la detección de personas y anomalías#

El seguimiento de objetos es una tarea de visión por computador compatible con Ultralytics YOLO11 que permite la monitorización en tiempo real y mejora la seguridad. Se basa en la detección de objetos al identificar objetos y realizar un seguimiento continuo de su movimiento entre fotogramas. Esta tecnología se utiliza ampliamente en sistemas de videovigilancia para mejorar la seguridad en diversos entornos.

Por ejemplo, en colegios y guarderías, el seguimiento de objetos puede ayudar a monitorizar a los niños y evitar que se alejen. En aplicaciones de seguridad, desempeña un papel clave en la detección de intrusos en zonas restringidas, la monitorización de multitudes para detectar aglomeraciones o comportamientos sospechosos y el envío de alertas en tiempo real cuando se detecta actividad no autorizada. Al realizar un seguimiento de los objetos mientras se mueven, los sistemas de seguimiento basados en Ultralytics YOLO11 mejoran la seguridad, automatizan la monitorización y permiten responder con mayor rapidez a posibles amenazas.

Ventajas e inconvenientes de la detección de objetos#

Estas son algunas de las principales ventajas 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 AI: Puede integrarse 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 Ultralytics YOLO11, son rápidos y eficientes, lo que los hace ideales para aplicaciones en tiempo real que requieren resultados instantáneos.

Aunque estas ventajas ponen de relieve cómo influye la detección de objetos en distintos casos de uso, también es importante tener en cuenta las dificultades que implica su implementación. Estos son algunos de los principales desafíos:

• Privacidad de los datos: El uso de datos visuales, especialmente en ámbitos sensibles como la videovigilancia o la sanidad, 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, lo que dificulta que el modelo los detecte y clasifique con precisión.

• Coste computacional elevado: Los modelos de alto rendimiento suelen requerir GPU potentes (unidades de procesamiento gráfico (GPUs)) para el procesamiento, lo que encarece la implementación en tiempo real.

Conclusiones clave#

La detección de objetos es una herramienta revolucionaria de la visión por computador que ayuda a las máquinas a detectar y localizar objetos en imágenes y vídeos. Se utiliza en sectores que van desde los coches autónomos hasta la sanidad, haciendo que las tareas sean más sencillas, seguras y eficientes. Con modelos más recientes como Ultralytics YOLO11, las empresas pueden crear fácilmente modelos personalizados de detección de objetos para desarrollar aplicaciones especializadas de visión por computador.

Aunque existen algunos desafíos, como los problemas de privacidad y los objetos ocultos, la detección de objetos es una tecnología fiable. Su capacidad para automatizar tareas, procesar datos visuales en tiempo real e integrarse con otras herramientas de Vision AI la convierte en una parte esencial de las innovaciones más avanzadas.

Para obtener más información, visita nuestro repositorio de GitHub y participa en nuestra comunidad. Explora innovaciones en sectores como la AI en los coches autónomos y la visión por computador en la agricultura en nuestras páginas de soluciones. Consulta nuestras opciones de licencia de YOLO y da vida a tus proyectos de Vision AI. 🚀