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
Infórmese sobre la detección de objetos, su importancia en la IA y cómo modelos como YOLO11 están transformando sectores como el de 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 se muestra a un ordenador la imagen de una vaca, puede detect y dibujar un rectángulo a su alrededor. Esta capacidad es útil en aplicaciones reales como el control de animales, los coches autónomos y la vigilancia.
Entonces, ¿cómo puede realizarse 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 de algunas aplicaciones reales de la detección de objetos y de Ultralytics YOLO11.
Fig. 1. Utilización de la detección de objetos de YOLO11para vigilar 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?'
Se puede pensar en la detección de objetos como un proceso que implica dos pasos clave. La primera, 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, que indica dónde aparece en la imagen. Juntos, estos pasos permiten a las máquinas detect 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 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 caras es un tipo de detección de objetos. Identifica la presencia de una cara en una imagen y marca su ubicación mediante un cuadro delimitador. Responde a la pregunta: "¿Dónde está la cara en la imagen?". Esta tecnología se utiliza habitualmente en las cámaras de los teléfonos inteligentes que enfocan automáticamente las caras o en las cámaras de seguridad que detect la presencia de una persona.
En cambio, el reconocimiento facial es una forma de reconocimiento de objetos. No se limita a detect una cara, sino que 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 hay detrás del desbloqueo de tu teléfono con Face ID o de los sistemas de seguridad de los aeropuertos 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 detectar caras, pero no para reconocerlas. YOLO11 puede identificar eficazmente la presencia de una cara en una imagen y dibujar un recuadro alrededor de ella, lo que lo hace útil para aplicaciones como sistemas de vigilancia, control de multitudes y etiquetado automático de fotos. Sin embargo, no puede determinar de quién es la cara. YOLO11 puede integrarse con modelos específicamente entrenados para el reconocimiento facial, como Facenet o DeepFace, para permitir tanto la detección como la identificación en un único 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 ellos. 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 por ordenador, y algunos de los más populares son los modelosYOLO 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 manejar una gama más amplia de tareas. El lanzamiento de Ultralytics YOLOv5 ha facilitado el despliegue con frameworks como PyTorch, permitiendo que más personas utilicen Vision AI avanzada sin necesidad de profundos conocimientos técnicos.
Sobre esta base, Ultralytics YOLOv8 introdujo nuevas funciones como la segmentación de instancias, la estimación de poses y la clasificación de imágenes. Ahora, YOLO11 lleva las cosas aún más lejos con un mejor rendimiento en múltiples tareas. Con un 22% menos de parámetros que YOLOv8m, YOLO11m consigue una precisión media superiormAP) en el conjunto de datos COCO . En pocas palabras, YOLO11 puede reconocer objetos con mayor precisión utilizando menos recursos, lo que lo hace más rápido y fiable.
Tanto si es un experto en IA como si acaba de empezar, YOLO11 le ofrece una solución potente y fácil de usar para aplicaciones de visión por ordenador.
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 datosCOCO , que contiene un variado conjunto de objetos cotidianos. Este modelo preentrenado puede personalizarse para detect objetos específicos que no estén incluidos en el conjunto de datos original.
Para realizar un entrenamiento personalizado de YOLO11, necesita un conjunto de datos etiquetados que contenga imágenes de los objetos que desea detect. Por ejemplo, si quiere crear un modelo para identificar distintos tipos de fruta en una tienda de comestibles, deberá crear 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, la tasa de aprendizaje y las épocas para optimizar el rendimiento.
Con este planteamiento, las empresas pueden entrenar a YOLO11 para que detect cualquier cosa, desde piezas defectuosas en la fabricación hasta especies salvajes 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.
Análisis de imágenes médicas en la atención sanitaria
Las técnicas de imagen médica como los rayos X, las resonancias magnéticas, los TAC y los ultrasonidos 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 radiólogos y patólogos, deben analizar cuidadosamente para detect enfermedades. Sin embargo, revisar cada imagen en detalle puede llevar mucho tiempo, y los expertos humanos a veces pueden pasar por alto detalles debido al cansancio o a la falta de tiempo.
Los modelos de detección de objetos como YOLO11 pueden ayudar a identificar automáticamente características clave en las exploraciones médicas, como órganos, tumores o anomalías, con gran precisión. Los modelos entrenados a medida pueden resaltar las áreas de interés con recuadros delimitadores, lo que ayuda a los médicos a centrarse más rápidamente en los posibles problemas. Esto reduce la carga de trabajo, mejora la eficiencia y proporciona información rápida.
Aumentando la seguridad con la detección de personas y anomalías
El seguimiento de objetos es una tarea de visión por ordenador compatible con YOLO11, que permite la supervisión en tiempo real y mejoras de seguridad. Se basa en la detección de objetos mediante la identificación de objetos y el seguimiento continuo de su movimiento a lo largo 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 vigilar 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 vigilancia de multitudes para detectar aglomeraciones o comportamientos sospechosos, y el envío de alertas en tiempo real cuando se detecta una actividad no autorizada. Al seguir la track de los objetos mientras se mueven, los sistemas de seguimiento YOLO11 mejoran la seguridad, automatizan la vigilancia y permiten reaccionar con mayor rapidez ante 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 eficaces, 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 detect y classify 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 de la visión por ordenador que ayuda a las máquinas a detect y localizar objetos en imágenes y vídeos. Se utiliza en sectores que van desde la conducción autónoma de automóviles hasta la asistencia sanitaria, facilitando las tareas y haciéndolas más seguras y eficaces. Con modelos más recientes como YOLO11, las empresas pueden crear fácilmente modelos personalizados de detección de objetos para crear aplicaciones especializadas de visión por ordenador.
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.
