Una guía para profundizar en la detección de objetos en 2025

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 por ordenador es una de las más populares. La visión por ordenador es una rama de la IA que ayuda a los ordenadores a ver y comprender el contenido de imágenes y vídeos, tal como lo hacen los humanos. Hace posible que las máquinas reconozcan objetos, identifiquen patrones y comprendan lo que están viendo.

Se estima que el valor de mercado global de la visión por ordenador crezca hasta los 175.720 millones de dólares para 2032. La visión por ordenador abarca varias tareas que permiten a los sistemas de IA visual analizar e interpretar datos visuales. Una de las tareas más utilizadas y esenciales de la visión por ordenador 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 un ordenador la imagen de una vaca, este puede detectar la vaca y dibujar un cuadro delimitador a su alrededor. Esta capacidad resulta útil en aplicaciones del mundo real como el seguimiento de animales, coches autónomos y videovigilancia.

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

En esta guía, exploraremos la detección de objetos y cómo funciona. También hablaremos sobre algunas aplicaciones reales de la detección de objetos y Ultralytics YOLO11.

Fig 1. Uso de la compatibilidad con la detección de objetos de YOLO11 para monitorizar 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 videos. Responde a dos preguntas clave: '¿Qué objetos hay en la imagen?' y '¿Dónde están ubicados?'

Puedes pensar en 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 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 por ordenador se centran en objetivos diferentes.

Por ejemplo, la clasificación de imágenes asigna una etiqueta a toda una imagen. 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 contar múltiples objetos en tiempo real.

Fig 2. Comparación de tareas de visión por ordenador.

Reconocimiento de objetos frente a detección de objetos#

A medida que explores varios términos de visión artificial, es posible que sientas que el reconocimiento de objetos y la detección de objetos son intercambiables, pero sirven para propósitos diferentes. Una excelente manera de entender la diferencia es observar la detección facial 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 usando 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 enfocan automáticamente en 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 el rostro analizando características únicas y comparándolas con una base de datos. Responde a la pregunta: "¿Quién es esta persona?". Esta es la tecnología detrás del desbloqueo de tu teléfono con Face ID o de los 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 de rostros pero no el reconocimiento facial. YOLO11 puede identificar de manera eficiente la presencia de un rostro en una imagen y dibujar un bbox a su alrededor, lo que resulta útil para aplicaciones como sistemas de vigilancia, monitorización 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 discutir cómo funciona la detección de objetos, veamos más de cerca cómo una computadora analiza una imagen. En lugar de ver una imagen como nosotros, una computadora la divide en una cuadrícula de cuadrados diminutos llamados píxeles. Cada píxel contiene información de color y brillo que las computadoras pueden procesar para interpretar datos visuales.

Para dar sentido a estos píxeles, los algoritmos los agrupan en regiones significativas basándose en la forma, el color y su proximidad entre sí. 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 de la misma forma que 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 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 (espina dorsal), cuello y cabeza. El backbone extrae características importantes de una imagen. El cuello procesa y refina estas características, mientras que la cabeza es responsable de predecir las ubicaciones de los objetos y clasificarlos.

Refinamiento de detecciones y presentación de 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, lo que garantiza que solo se conserven las detecciones más relevantes. Asimismo, se asignan puntuaciones de confianza (valores numéricos que representan cuán seguro está el modelo de que un objeto detectado pertenece a una clase determinada) a cada objeto detectado para indicar la certeza del modelo en sus predicciones.

Finalmente, el resultado 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 luego para aplicaciones del mundo real.

Modelos populares de detección de objetos#

Hoy en día, existen muchos modelos de visión por ordenador disponibles, y algunos de los más populares son los modelos Ultralytics YOLO. Son conocidos por su velocidad, precisión y versatilidad. Con los años, estos modelos se han vuelto más rápidos, más precisos y capaces de gestionar una gama más amplia de tareas. El lanzamiento de Ultralytics YOLOv5 facilitó el despliegue con frameworks como PyTorch, permitiendo que más personas utilicen IA visual 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 postura y la clasificación de imágenes. Ahora, YOLO11 va aún más lejos con un mejor rendimiento en múltiples tareas. Con un 22% menos de parámetros que YOLOv8m, YOLO11m logra una precisión media media (mAP) superior en el conjunto de datos COCO. En términos sencillos, YOLO11 puede reconocer objetos con mayor precisión mientras utiliza menos recursos, lo que lo hace más rápido y fiable.

Tanto si eres un experto en IA como si acabas de empezar, Ultralytics YOLO11 ofrece una solución potente y a la vez fácil de usar para aplicaciones de visión por ordenador.

Entrenamiento personalizado de un modelo para detección de objetos#

El entrenamiento de modelos de IA visual implica ayudar a las computadoras a reconocer y comprender imágenes y videos. Sin embargo, el entrenamiento puede ser un proceso que consume mucho tiempo. En lugar de empezar desde cero, el aprendizaje por transferencia acelera las cosas utilizando modelos preentrenados que ya reconocen patrones comunes.

Por ejemplo, Ultralytics YOLO11 ya ha sido entrenado en el COCO dataset, que contiene un conjunto diverso de objetos cotidianos. Este modelo preentrenado se puede entrenar a medida aún más para detectar objetos específicos que quizás no estén incluidos en el conjunto de datos original.

Para custom-train Ultralytics YOLO11, necesitas un conjunto de datos etiquetado que contenga imágenes de los objetos que quieres detectar. Por ejemplo, si quieres construir un modelo para identificar diferentes 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, se puede entrenar YOLO11, ajustando parámetros como el tamaño del lote (batch size), 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 de fauna silvestre en proyectos de conservación, adaptando el modelo a sus necesidades exactas.

Aplicaciones de la detección de objetos#

A continuación, veamos algunos de los casos de uso del mundo real 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 ordenador 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 hace posible que comprendan mejor su entorno. Pueden tomar decisiones rápidas y moverse con seguridad entre el tráfico analizando constantemente su entorno.

Fig 4. Un ejemplo de uso de la detección de objetos para detectar baches con Ultralytics YOLO11.

Análisis de imágenes médicas en la atención sanitaria#

Las técnicas de imagen médica como las radiografías, las resonancias magnéticas, las tomografías computarizadas y las ecografías generan imágenes muy detalladas del cuerpo humano para ayudar a diagnosticar y tratar enfermedades. Estas exploraciones producen 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 consumir mucho tiempo, y los expertos humanos a veces pueden pasar por alto detalles debido a la fatiga o a limitaciones de tiempo.

Los modelos de detección de objetos como Ultralytics YOLO11 pueden ayudar identificando automáticamente características clave en exploraciones médicas, tales como órganos, tumores o anomalías, con gran precisión. Los modelos entrenados a medida pueden resaltar áreas de interés con BBox, ayudando 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 Ultralytics YOLO11.

Aumentar la seguridad con detección de personas y anomalías#

Object tracking es una tarea de visión por ordenador compatible con Ultralytics YOLO11, que permite la monitorización en tiempo real y mejoras en seguridad. Se basa en la detección de objetos identificando elementos y rastreando continuamente su movimiento entre 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 vigilar 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 aglomeraciones por masificación o comportamiento sospechoso, 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 con tecnología de Ultralytics YOLO11 mejoran la seguridad, automatizan la monitorización y permiten respuestas más rápidas ante posibles amenazas.

Ventajas y desventajas 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 el monitoreo de imágenes de CCTV.
• Funciona con otros modelos de IA: Se puede integrar con reconocimiento facial, reconocimiento de acciones y sistemas de 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.

Si bien estos beneficios destacan cómo la detección de objetos impacta diferentes casos de uso, también es importante considerar los desafíos involucrados en su implementación. Aquí hay algunos de los desafíos clave:

• Privacidad de los datos: El uso de datos visuales, especialmente en áreas sensibles como la vigilancia o la sanidad, puede plantear problemas de privacidad y preocupaciones de seguridad.

• Oclusión: La oclusión en la detección de objetos ocurre 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 el despliegue en tiempo real sea costoso.

Conclusiones clave#

La detección de objetos es una herramienta revolucionaria en la visión por ordenador 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 sanidad, haciendo que las tareas sean más fáciles, seguras y eficientes. Con modelos más nuevos como Ultralytics YOLO11, las empresas pueden crear fácilmente modelos de detección de objetos personalizados para desarrollar aplicaciones especializadas de visión por ordenador.

Aunque existen algunos desafíos, como las preocupaciones sobre la privacidad y los objetos ocultos a la vista, 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 IA visual la convierte en una parte esencial de las innovaciones de vanguardia.

Para obtener más información, visita nuestro repositorio de GitHub e interactúa con nuestra comunidad. Explora innovaciones en sectores como la IA en coches autónomos y la visión por ordenador en la agricultura en nuestras páginas de soluciones. Consulta nuestras opciones de licencias de YOLO y da vida a tus proyectos de IA visual. 🚀