Guía para profundizar en la detección de objetos en 2025

Muchos sectores están incorporando rápidamente soluciones de inteligencia artificial (AI) a sus operaciones. Entre las numerosas 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 los ordenadores a ver y comprender el contenido de imágenes y vídeos, de forma similar a las personas. Permite a las máquinas reconocer objetos, identificar patrones e interpretar lo que están viendo.

Se calcula que el valor del mercado mundial de la visión artificial alcanzará los 72 800 millones de dólares en 2034. La visión artificial engloba diversas tareas que permiten a los sistemas de IA de visión 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 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 reales como la supervisión de animales, los coches autónomos y la vigilancia.

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

En esta guía, exploraremos la detección de objetos y cómo funciona. También hablaremos de 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 supervisar 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?».

Puedes entender la detección de objetos como un proceso que consta de dos pasos clave. El primero, la clasificación de objetos, permite que el sistema reconozca y etiquete objetos, por ejemplo, que identifique 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, que indica dónde aparece en la imagen. Juntos, estos pasos permiten a las máquinas detectar y comprender objetos en una escena.

Lo que hace única a la detección de objetos es su capacidad para reconocer objetos y señalar su ubicación con precisión. Otras tareas de visión artificial se centran en objetivos distintos.

Por ejemplo, la clasificación de imágenes asigna una etiqueta a una imagen completa. Por su parte, la segmentación de imágenes proporciona una comprensión de los distintos elementos a nivel de píxel. 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 artificial.

Reconocimiento de objetos frente a detección de objetos#

Al explorar distintos términos de visión artificial, puede parecer que el reconocimiento de objetos y la detección de objetos son intercambiables, pero tienen objetivos distintos. Una forma excelente de entender la diferencia es comparar la detección y el reconocimiento facial.

La detección facial es un tipo de detección de objetos. Identifica la presencia de una cara en una imagen y señala su ubicación mediante un cuadro delimitador. Responde a la pregunta «¿Dónde está la cara en la imagen?». Esta tecnología se utiliza habitualmente en cámaras de smartphones que enfocan automáticamente las caras o en cámaras de seguridad que detectan si hay una persona.

El reconocimiento facial, por otro lado, es una forma de reconocimiento de objetos. No se limita a detectar una cara, sino que identifica de quién es analizando rasgos únicos y comparándolos 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 a los sistemas de seguridad de los aeropuertos verificar 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.

Los modelos de detección de objetos, como Ultralytics YOLO11, pueden entrenarse para detectar rostros (por ejemplo, con el conjunto de datos WIDER FACE), pero no para reconocerlos. Un modelo YOLO11 entrenado puede identificar eficazmente la presencia de un rostro en una imagen y dibujar un cuadro delimitador a su alrededor, por lo que resulta útil en aplicaciones como sistemas de vigilancia, supervisión 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 la detección y la identificación en un mismo sistema.

Cómo funciona la detección de objetos#

Antes de explicar cómo funciona la detección de objetos, veamos más de cerca 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 interpretar 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 se basan en un entrenamiento exhaustivo con conjuntos de datos de imágenes etiquetadas, 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 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 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 conservar solo 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 clase determinada— a cada objeto detectado para indicar el grado de certeza de sus predicciones.

Por último, se presenta el resultado con cuadros delimitadores dibujados alrededor de los objetos detectados, junto con las etiquetas de clase predichas y las puntuaciones de confianza correspondientes. Estos resultados pueden utilizarse después en aplicaciones reales.

Modelos populares de detección de objetos#

Hoy en día hay muchos modelos de visión artificial disponibles, y algunos de los más populares son los modelos YOLO de Ultralytics. Son conocidos por su velocidad, precisión y versatilidad. A lo largo de los años, estos modelos se han vuelto más rápidos y precisos, y ahora pueden realizar una gama más amplia de tareas. El lanzamiento de Ultralytics YOLOv5 facilitó la implementación con frameworks como PyTorch, lo que permitió que más personas utilizaran IA visual avanzada sin necesitar conocimientos técnicos profundos.

Sobre esta base, Ultralytics YOLOv8 amplió la compatibilidad con tareas como la segmentación de instancias, la clasificación de imágenes y la estimación de poses. YOLO11 fue aún más allá y mejoró el rendimiento en varias tareas; posteriormente, Ultralytics YOLO26 lo sustituyó. Con un 22 % menos de parámetros que YOLOv8m, YOLO11m consigue una precisión media promedio (mAP) mayor en el conjunto de datos COCO. En pocas palabras, YOLO11 puede reconocer objetos con mayor precisión y utilizar menos recursos, por lo que es más rápido y fiable.

Tanto si eres especialista en IA como si acabas de empezar, Ultralytics YOLO11 ofrece una solución potente y fácil de usar para aplicaciones de visión artificial.

Entrenamiento personalizado de un modelo para la detección de objetos#

Entrenar modelos de IA para visión consiste en ayudar a los ordenadores a reconocer y comprender imágenes y vídeos. Sin embargo, el entrenamiento puede llevar mucho tiempo. En lugar de empezar desde cero, el aprendizaje por transferencia acelera el proceso al utilizar modelos preentrenados que ya reconocen patrones comunes.

Por ejemplo, Ultralytics YOLO11 ya se ha entrenado con el conjunto de datos COCO, que contiene una gran variedad de objetos cotidianos. Este modelo preentrenado puede someterse a un entrenamiento personalizado adicional para detectar objetos específicos que quizá 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 fruta en un supermercado, crearías un conjunto de datos con imágenes etiquetadas de manzanas, plátanos, naranjas, etc. Una vez preparado el conjunto de datos, puedes entrenar YOLO11 y ajustar parámetros de entrenamiento como el tamaño del lote, la tasa de aprendizaje y el número de épocas para optimizar el rendimiento.

Con este enfoque, las empresas pueden entrenar Ultralytics YOLO11 para detectar casi 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, veamos algunos casos de uso reales de la detección de objetos y cómo está transformando distintos sectores.

Detección de peligros para la conducción autónoma#

Los coches autónomos utilizan tareas de visión artificial como la detección de objetos para circular 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 el entorno. Pueden tomar decisiones rápidas y circular con seguridad por el tráfico analizando constantemente lo que les rodea.

Fig. 4. 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 diagnóstico por imagen, como las radiografías, las resonancias magnéticas, los escáneres de tomografía computarizada 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 los radiólogos y los patólogos, deben analizar minuciosamente para detectar enfermedades. Sin embargo, revisar cada imagen en detalle puede llevar mucho tiempo y, en ocasiones, los especialistas pueden pasar por alto detalles debido al cansancio o a la falta de tiempo.

Los modelos de detección de objetos, como Ultralytics YOLO11, pueden ayudar a identificar automáticamente y con gran precisión características clave en las imágenes médicas, como órganos, tumores o anomalías. Los modelos entrenados de forma personalizada pueden destacar las zonas preocupantes con cuadros delimitadores, lo que ayuda 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 con Ultralytics YOLO11.

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

El seguimiento de objetos es una tarea de visión artificial compatible con Ultralytics YOLO11 que permite la supervisión en tiempo real y mejora la seguridad. Amplía la detección de objetos al identificar objetos y seguir continuamente sus movimientos entre fotogramas. Esta tecnología se utiliza ampliamente en sistemas de vigilancia para mejorar la seguridad en distintos entornos.

Por ejemplo, en colegios 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 zonas restringidas, la supervisión de multitudes para detectar aglomeraciones excesivas o comportamientos sospechosos y el envío de alertas en tiempo real cuando se detecta actividad no autorizada. Al seguir los objetos mientras se desplazan, los sistemas de seguimiento basados en Ultralytics YOLO11 mejoran la seguridad, automatizan la supervisión y permiten responder más rápidamente 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 distintos sectores:

• Automatización: La detección de objetos puede reducir la necesidad de supervisión humana en tareas como la vigilancia de imágenes de cámaras de circuito cerrado de televisión.
• Compatibilidad con otros modelos de IA: Puede integrarse con sistemas de reconocimiento facial, reconocimiento de acciones y seguimiento para mejorar la precisión y las funciones.
• Procesamiento en tiempo real: Muchos modelos de detección de objetos, como Ultralytics YOLO11, son rápidos y eficientes, por lo que resultan ideales para aplicaciones en tiempo real que requieren resultados inmediatos.

Aunque estas ventajas muestran el impacto de la detección de objetos en distintos casos de uso, también es importante tener en cuenta las dificultades que plantea su implementación. Estos son algunos de los principales retos:

• Privacidad de los datos: El uso de datos visuales, especialmente en ámbitos sensibles como la vigilancia o la atención sanitaria, puede plantear problemas de privacidad y cuestiones de seguridad.
• Oclusión: En la detección de objetos, la oclusión se produce cuando los objetos quedan parcialmente bloqueados o fuera de la vista, lo que dificulta que el modelo los detecte y clasifique correctamente.
• Alto coste computacional: Los modelos de alto rendimiento suelen necesitar GPU potentes (unidades de procesamiento gráfico) para procesar los datos, lo que encarece su implementación en tiempo real.

Conclusiones clave#

La detección de objetos es una herramienta muy utilizada en visión artificial 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, y facilita las tareas, las hace más seguras y mejora su eficiencia. Con modelos como Ultralytics YOLO11, las empresas pueden crear fácilmente modelos de detección de objetos personalizados para desarrollar aplicaciones especializadas de visión artificial.

Aunque presenta algunos retos, 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 IA para visión la convierte en un componente esencial de los sistemas modernos de IA para visión.

Para obtener más información, visita nuestro repositorio de GitHub y participa en nuestra comunidad. Explora las innovaciones en sectores como la IA en coches autónomos y la visión artificial en la agricultura en nuestras páginas de soluciones. Consulta nuestras opciones de licencia de YOLO y da vida a tus proyectos de IA para visión.