Guía de la anotación de polígonos con Ultralytics Platform

Las tecnologías de IA más avanzadas están llegando a una amplia variedad de sectores, desde la conducción autónoma hasta la agricultura de precisión. Por ejemplo, los ganaderos de vacuno de leche utilizan la IA y el análisis de imágenes para detectar enfermedades en el ganado. Los problemas de salud, como la cojera, pueden monitorizarse observando cambios en la marcha y la postura del animal, como el lomo arqueado y los movimientos asimétricos.

Fig. 1. Un ejemplo de monitorización de vacas mediante IA y análisis de imágenes.

La visión artificial, una rama de la inteligencia artificial, permite estas aplicaciones al hacer posible que las máquinas interpreten y analicen datos visuales. En concreto, la segmentación de instancias es una tarea de visión artificial que identifica y segmenta cada objeto de una imagen a nivel de píxel, lo que permite detectar y analizar con precisión animales individuales.

La anotación de polígonos desempeña un papel clave en este proceso. Es un método de anotación de datos que se utiliza para seguir cuidadosamente la forma exacta de un objeto en una imagen colocando puntos a lo largo de sus bordes. A diferencia de las anotaciones sencillas con cuadros delimitadores, este enfoque sigue el contorno real del objeto, lo que ayuda a crear datos de entrenamiento más precisos y permite que los modelos de IA visual comprendan mejor los límites de los objetos.

Hoy en día, existen muchas herramientas para crear anotaciones de polígonos. Sin embargo, estas opciones pueden resultar fragmentadas, especialmente cuando ofrecen una compatibilidad incoherente o limitada con distintos tipos de anotaciones, lo que dificulta la gestión de diversas necesidades de etiquetado en un único flujo de trabajo.

Ultralytics Platform, nuestro espacio de trabajo integral de IA visual que conecta la gestión de conjuntos de datos, la anotación, el entrenamiento, el despliegue y la monitorización, resuelve este problema al admitir varios tipos de anotaciones y flujos de trabajo asistidos por IA en un único espacio de trabajo fluido, simplificando todo el proceso de anotación.

En este artículo, veremos qué son las anotaciones de polígonos y cómo crearlas con Ultralytics Platform. ¡Empecemos!

Un análisis más detallado de la anotación de polígonos#

Antes de profundizar en Ultralytics Platform y sus funciones de anotación de polígonos, hagamos una pausa para entender qué es la anotación de polígonos.

La anotación de imágenes es el proceso de añadir etiquetas a datos visuales para que los modelos de IA puedan entender lo que están viendo. Normalmente, consiste en identificar objetos en una imagen y marcarlos de una forma que permita al modelo aprender de ellos.

Uno de los métodos más habituales consiste en dibujar rectángulos alrededor de los objetos, conocidos como cuadros delimitadores. Sin embargo, los cuadros delimitadores solo proporcionan un contorno aproximado del objeto. La anotación de polígonos es un enfoque más preciso.

Funciona delineando un objeto (sus bordes) punto por punto, en lugar de encerrarlo en un cuadro. Para ello, los anotadores colocan varios vértices (puntos) a lo largo de los bordes del objeto y siguen su contorno hasta cubrir toda la forma.

Estos puntos conectados forman un polígono que reproduce el contorno natural del objeto. Como la forma sigue de cerca los límites del objeto, la anotación captura detalles que los métodos de etiquetado tradicionales suelen pasar por alto. Esto resulta especialmente útil cuando los objetos tienen formas irregulares o bordes complejos, como hojas, siluetas humanas y objetos superpuestos.

Esta precisión en los datos ayuda a los modelos de aprendizaje automático a aprender de forma más eficaz durante el entrenamiento. Cuando las anotaciones capturan con precisión los límites reales de un objeto, los modelos pueden comprender mejor sus patrones a nivel de píxel. Esto mejora el rendimiento del modelo, especialmente en tareas de segmentación que requieren una gran precisión.

El papel de las anotaciones de polígonos en los flujos de trabajo de visión artificial#

Entonces, ¿cómo se utilizan realmente las anotaciones de polígonos? Están estrechamente vinculadas a los modelos de IA visual que admiten tareas de segmentación de imágenes, como la segmentación de instancias.

En muchas aplicaciones de visión artificial, es esencial conocer el área exacta que ocupa cada objeto en una imagen o fotograma de vídeo. Un buen ejemplo es la detección de piezas de automóviles en la fabricación. En este caso, los modelos deben identificar y delimitar con precisión piezas como puertas, ventanillas y faros, incluso cuando se superponen o tienen formas complejas.

Aquí es donde entra en juego la segmentación de instancias. Permite a los modelos detectar cada objeto y cartografiar sus límites exactos a nivel de píxel. Esto es diferente de la detección de objetos básica, que utiliza cuadros delimitadores.

Fig. 2. La segmentación de instancias también puede ayudar a distinguir piezas dañadas de un coche. (Fuente)

Los cuadros delimitadores solo proporcionan regiones rectangulares aproximadas alrededor de los objetos y suelen incluir fondo adicional, lo que dificulta capturar formas irregulares o separar elementos superpuestos.

La anotación de polígonos desempeña un papel fundamental a la hora de lograr este nivel de precisión. Seguir la forma exacta de cada objeto en las imágenes del conjunto de datos crea datos de entrenamiento de alta calidad que reflejan los límites reales de los objetos. Estas anotaciones detalladas ayudan a modelos como Ultralytics YOLO26 a comprender mejor la estructura de cada componente, lo que produce resultados de segmentación más precisos.

Limitaciones de las herramientas tradicionales de anotación de imágenes#

A continuación, repasaremos las limitaciones de las herramientas de anotación tradicionales para entender la necesidad de soluciones más eficientes y escalables como Ultralytics Platform.

Estos son algunos de los retos habituales a los que se enfrentan los anotadores al utilizar herramientas tradicionales de anotación de polígonos:

• Compatibilidad limitada con los tipos de anotación: Algunas herramientas se centran en una sola técnica de anotación, lo que dificulta trabajar con distintos tipos, como polígonos, cuadros delimitadores y puntos clave, en un mismo lugar.
• Gestión ineficiente de anotaciones complejas: Es posible que las herramientas no dispongan de funciones que faciliten la anotación precisa de objetos complejos con detalles minuciosos.
• Falta de funciones asistidas por IA: Muchas herramientas dependen completamente del trabajo manual, sin compatibilidad integrada con IA para acelerar la anotación.
• Gestión fragmentada de conjuntos de datos: Gestionar conjuntos de datos, versiones y anotaciones puede resultar difícil, especialmente cuando las herramientas no ofrecen un espacio de trabajo centralizado.

Ultralytics Platform aborda estas cuestiones con funciones de anotación asistidas por IA impulsadas tanto por Segment Anything Models (SAM) como por modelos YOLO. SAM permite generar máscaras de segmentación de alta calidad a partir de entradas sencillas, como clics, que después pueden perfeccionarse para convertirse en anotaciones de polígonos precisas.

Del mismo modo, la anotación inteligente basada en YOLO utiliza modelos YOLO preentrenados o entrenados a medida para ejecutar inferencias sobre una imagen y añadir predicciones, como cuadros delimitadores, máscaras de segmentación o cuadros delimitadores orientados, como anotaciones, que después pueden revisarse y ajustarse según sea necesario. En conjunto, estas funciones hacen que el proceso de anotación sea más rápido, uniforme y fácil de escalar.

Distintos tipos de anotaciones compatibles con Ultralytics Platform#

Ultralytics Platform incluye un editor de anotaciones integrado que permite anotar imágenes directamente en el espacio de trabajo. Esto facilita la creación y gestión de conjuntos de datos sin depender de herramientas independientes de etiquetado de datos, que a menudo consumen mucho tiempo.

Además de las anotaciones de polígonos, Ultralytics Platform admite varios tipos de anotaciones. Este es un breve resumen:

• Cuadros delimitadores: Los anotadores pueden dibujar cuadros rectangulares sencillos alrededor de los objetos, lo que facilita etiquetarlos y detectarlos en una imagen.
• Puntos clave: Este método se utiliza para marcar puntos concretos, como articulaciones corporales o puntos de referencia, en tareas como la estimación de la pose.
• Cuadros delimitadores orientados (OBBs): Permiten capturar con mayor precisión objetos girados o inclinados en comparación con los cuadros delimitadores estándar.
• Etiquetas de clasificación: Para tareas más sencillas, los usuarios pueden asignar etiquetas a imágenes completas en lugar de marcar objetos individuales.

Anotación de objetos con polígonos en Ultralytics Platform#

Ahora veremos cómo crear anotaciones de polígonos en Ultralytics Platform, ya sea manualmente o con herramientas asistidas por IA.

Creación manual de anotaciones de polígonos en Ultralytics Platform#

Esta es una guía rápida paso a paso para crear anotaciones de polígonos manualmente:

• Paso 1 - Ve a tu conjunto de datos: Abre el conjunto de datos que contiene las imágenes que quieres anotar. Aquí es donde se almacenan y gestionan tus imágenes y anotaciones.
• Paso 2 - Abre una imagen: Haz clic en una imagen para abrirla en la interfaz de anotación. El flujo de trabajo de anotación depende de la tarea del conjunto de datos. Por ejemplo, en un conjunto de datos de segmentación de instancias, las anotaciones se crean mediante máscaras poligonales.
• Paso 3 – Empieza a crear una máscara: Haz clic en la imagen para comenzar la anotación. Cada clic añade un vértice a lo largo del límite del objeto.
• Paso 4 – Sigue el contorno del objeto: Continúa haciendo clic alrededor de los bordes del objeto para definir su forma.
• Paso 5 – Completa el polígono: Puedes pulsar «Enter» o hacer clic en el primer punto para completar el polígono y asignar una etiqueta de clase.
• Paso 6 – Añade más anotaciones: Repite el proceso para crear más polígonos para otros objetos de la imagen.
• Paso 7 – Guarda las anotaciones: Las anotaciones se guardan automáticamente a medida que las creas.

Fig. 3. Un vistazo a la creación manual de anotaciones de polígonos mediante Ultralytics Platform (Fuente)

Anotación inteligente de polígonos en Ultralytics Platform#

A continuación, veremos las funciones de etiquetado asistidas por IA compatibles con Ultralytics Platform que aceleran el proceso de anotación.

La plataforma ofrece dos enfoques para la anotación inteligente: uno basado en Segment Anything Models para generar anotaciones interactivas mediante clics y otro basado en modelos YOLO para añadir directamente predicciones del modelo como anotaciones. Ambos enfoques pueden utilizarse para la anotación inteligente de polígonos.

Anotación inteligente mediante SAM en Ultralytics Platform#

La anotación asistida por SAM en Ultralytics Platform simplifica el etiquetado manual utilizando Segment Anything Model (SAM) para generar máscaras de segmentación con una entrada mínima. En lugar de seguir los objetos punto por punto, los usuarios pueden interactuar con la imagen mediante indicaciones sencillas, como clics, para indicar qué debe incluirse o excluirse.

La plataforma admite varios modelos SAM, incluidos SAM 2.1 y SAM 3, lo que permite elegir entre un rendimiento más rápido o una mayor precisión según tus necesidades. A partir de la entrada del usuario, SAM genera máscaras a nivel de píxel en tiempo real. Estas máscaras pueden perfeccionarse y utilizarse como anotaciones de polígonos, haciendo que el proceso sea más rápido, uniforme y fácil de escalar.

Estos son los pasos para utilizar SAM en la anotación de polígonos en Ultralytics Platform:

• Paso 1 – Abre una imagen: Ve a tu conjunto de datos y haz clic en una imagen para abrir el visor a pantalla completa.
• Paso 2 – Entra en el modo de anotación: Haz clic en «Edit» y cambia al modo Smart (o pulsa S) para activar SAM.
• Paso 3 – Selecciona un modelo SAM: Elige un modelo SAM en la barra de herramientas según tus necesidades de velocidad y precisión.
• Paso 4 – Proporciona indicaciones: Haz clic con el botón izquierdo para añadir puntos positivos (incluir áreas) y con el botón derecho para añadir puntos negativos (excluir áreas).
• Paso 5 – Genera y aplica la máscara: SAM predice una máscara de segmentación en tiempo real. Pulsa «Enter» (o utiliza la aplicación automática) para aplicar la anotación.
• Paso 6 – Perfecciona la anotación: Añade más puntos o ajusta el resultado si es necesario para mejorar la precisión antes de guardar.

Fig. 4. Anotación de polígonos asistida por SAM en Ultralytics Platform (Fuente)

Anotación inteligente mediante YOLO en Ultralytics Platform#

La anotación inteligente basada en YOLO en Ultralytics Platform acelera el etiquetado mediante modelos Ultralytics YOLO preentrenados o modelos YOLO ajustados para generar predicciones sobre una imagen y añadirlas como anotaciones. Estas predicciones pueden incluir cuadros delimitadores, máscaras de segmentación o cuadros delimitadores orientados, según la tarea del conjunto de datos.

Después, los usuarios pueden revisar y perfeccionar estas anotaciones según sea necesario. Este es un resumen de los pasos para utilizar la anotación inteligente basada en YOLO en Ultralytics Platform:

• Paso 1 – Abre una imagen: Ve a tu conjunto de datos y selecciona una imagen para abrirla en el visor a pantalla completa.
• Paso 2 – Entra en el modo de anotación: Haz clic en «Edit» y cambia al modo Smart (o pulsa S).
• Paso 3 – Selecciona un modelo YOLO: Elige un modelo YOLO en el selector de modelos de la barra de herramientas.
• Paso 4 – Ejecuta la predicción: Haz clic en «Predict» para que el modelo genere anotaciones automáticamente.
• Paso 5 – Revisa las anotaciones: Inspecciona los cuadros delimitadores, las máscaras de segmentación o los OBB predichos que se han añadido a la imagen.
• Paso 6 – Perfecciona y guarda: Edita, ajusta o elimina las anotaciones incorrectas según sea necesario y, después, guarda tus etiquetas finales.

Fig. 5. Un vistazo al uso de la anotación inteligente mediante YOLO (Fuente)

Casos de uso reales de la anotación de polígonos#

La anotación de polígonos está teniendo un impacto real en distintos sectores, desde el control de calidad en la fabricación hasta la agricultura y la sanidad. Exploremos algunas aplicaciones reales importantes.

Identificación de plagas mediante visión artificial#

En agricultura, monitorizar la salud de los cultivos es fundamental para mejorar el rendimiento y reducir las pérdidas. Detectar zonas afectadas por plagas en las hojas de los cultivos puede resultar complicado, ya que estas regiones suelen tener formas irregulares y límites poco definidos.

Este tipo de problema puede abordarse mediante técnicas de segmentación de imágenes, como la segmentación semántica, que etiqueta todos los píxeles pertenecientes a una clase (como las zonas afectadas), o la segmentación de instancias, que separa los contornos de los objetos con mayor precisión.

Con Ultralytics Platform, los usuarios pueden utilizar la anotación de polígonos para seguir la forma exacta de estas zonas afectadas. Esto ayuda a crear conjuntos de datos más precisos y facilita que los algoritmos de IA visual detecten patrones sutiles en entornos agrícolas.

Como resultado, los equipos pueden crear mejores datos de entrenamiento que ayuden a los modelos a identificar exactamente dónde están presentes las infestaciones de plagas. Esto es más eficaz que utilizar cuadros delimitadores, que pueden incluir partes de la hoja que no están afectadas.

Análisis de imágenes médicas mediante segmentación de instancias#

Al igual que ocurre con la detección de plagas en agricultura, incluso pequeñas diferencias en los límites pueden afectar al análisis de enfermedades como el cáncer en el ámbito de la imagen médica. Esto es especialmente importante al identificar anomalías médicas, como tumores, en exploraciones de TC.

Los métodos de anotación tradicionales pueden pasar por alto bordes finos o incluir tejido circundante, lo que puede reducir la precisión. Con Ultralytics Platform, los equipos pueden utilizar la anotación de polígonos para seguir con precisión estas regiones en los datos de entrenamiento, ayudando a los modelos a producir una segmentación de tumores más precisa y fiable.

Conclusiones clave#

La anotación de polígonos es fundamental cuando los modelos necesitan comprender con gran precisión las formas de los objetos en las imágenes. Ayuda a representar formas complejas con mayor precisión, especialmente al utilizar Ultralytics Platform. Al combinar precisión con herramientas potentes, los equipos pueden crear modelos de IA más fiables y de mayor rendimiento.

¿Listo para incorporar la IA visual a tus proyectos? Únete a nuestra comunidad y descubre la IA en el sector de la automoción y la IA visual en robótica. Explora nuestro repositorio de GitHub para obtener más información. Consulta nuestras opciones de licencia para empezar hoy mismo.