Todo lo que necesitas saber sobre las tareas de visión artificial

Gracias a las cámaras y a los avances en inteligencia artificial (IA), los ordenadores y las máquinas ahora pueden ver el mundo de forma similar a los seres humanos. Por ejemplo, pueden reconocer a personas, seguir objetos e incluso entender el contexto de lo que ocurre en un vídeo.

En concreto, la visión artificial es la rama de la AI que permite a las máquinas comprender e interpretar la información visual del mundo que las rodea. La visión artificial abarca diversas tareas, cada una diseñada para extraer un tipo específico de información de imágenes o vídeos. Por ejemplo, la detección de objetos ayuda a identificar y localizar distintos elementos en una imagen, mientras que otras tareas, como el seguimiento, la segmentación y la estimación de pose, ayudan a las máquinas a comprender con mayor precisión el movimiento, las formas y las posiciones.

La tarea de visión artificial que se utiliza en una aplicación concreta depende del tipo de información que necesites. Los modelos de visión artificial como Ultralytics YOLO11 admiten diversas tareas de visión artificial, por lo que son una opción fiable para crear sistemas de IA de visión para el mundo real.

En esta guía analizaremos más de cerca las tareas de visión artificial compatibles con modelos como YOLO11. Veremos cómo funciona cada tarea y cómo se utiliza en distintos sectores.

¿Qué son las tareas de visión artificial?#

Las tareas de visión artificial buscan reproducir las capacidades de la visión humana de distintas formas. Estas tareas pueden ayudar a las máquinas a detectar objetos, seguir sus movimientos, estimar poses e incluso delimitar elementos individuales en imágenes y vídeos. Por lo general, las tareas de visión artificial se llevan a cabo mediante modelos que dividen los datos visuales en partes más pequeñas para poder interpretar con mayor claridad lo que ocurre.

Los modelos de IA de visión como los modelos Ultralytics YOLO admiten varias tareas, como la detección, el seguimiento y la segmentación, en un mismo marco de trabajo. Gracias a esta versatilidad, los modelos YOLO11 se adaptan fácilmente a una amplia variedad de casos de uso.

Fig. 1. Tareas de visión artificial compatibles con Ultralytics YOLO11.

Un buen ejemplo es el análisis deportivo. YOLO11 puede detectar a cada jugador en el campo mediante la detección de objetos y, después, seguirlos durante todo el partido mediante el seguimiento de objetos. Además, las capacidades de estimación de poses de YOLO11 pueden ayudar a analizar los movimientos y las técnicas de los jugadores, mientras que la segmentación de instancias permite separar a cada jugador del fondo y añadir precisión al análisis.

En conjunto, estas tareas de visión artificial que permite realizar YOLO11 ofrecen una imagen completa de lo que ocurre durante el partido y proporcionan a los equipos información más detallada sobre el rendimiento de los jugadores, las tácticas y la estrategia general.

Resumen de las tareas de visión artificial compatibles con Ultralytics YOLO11#

Ahora que hemos visto qué son las tareas de visión artificial, repasemos con más detalle cada una de las que admite YOLO11, con ejemplos reales.

Compatibilidad de Ultralytics YOLO11 con la clasificación de imágenes#

Al mirar una foto, la mayoría de la gente puede distinguir fácilmente si muestra un perro, una montaña o una señal de tráfico, porque todos hemos aprendido el aspecto habitual de estas cosas. La clasificación de imágenes ayuda a las máquinas a hacer lo mismo, enseñándoles a clasificar y etiquetar una imagen según su objeto principal, ya sea un «coche», un «plátano» o una «radiografía con una fractura». Esta etiqueta ayuda a los sistemas de visión artificial a comprender el contenido visual para que puedan responder o tomar decisiones en consecuencia.

Una aplicación interesante de esta tarea de visión artificial es la supervisión de la fauna. La clasificación de imágenes puede utilizarse para identificar distintas especies animales a partir de fotos tomadas en la naturaleza. Al etiquetar imágenes automáticamente, los investigadores pueden hacer un seguimiento de las poblaciones, supervisar los patrones migratorios e identificar con mayor facilidad especies en peligro de extinción para contribuir a su conservación.

Fig. 2. Ejemplo del uso de YOLO11 para la clasificación de imágenes.

Capacidades de detección de objetos de Ultralytics YOLO11#

Aunque la clasificación de imágenes resulta útil para hacerse una idea general de lo que contiene una imagen, solo asigna una etiqueta a la imagen completa. Cuando se necesita información detallada, como la ubicación y la identidad precisas de varios objetos, la detección de objetos es esencial.

La detección de objetos consiste en identificar y localizar objetos individuales dentro de una imagen, a menudo dibujando cuadros delimitadores a su alrededor. Ultralytics YOLO11 destaca especialmente en la detección de objetos en tiempo real, por lo que resulta ideal para una amplia variedad de aplicaciones.

Por ejemplo, pensemos en las soluciones de visión artificial que se utilizan en tiendas para reponer las estanterías. La detección de objetos puede ayudar a contar frutas, verduras y otros productos, y garantizar así un inventario preciso. En los campos agrícolas, la misma tecnología puede supervisar la madurez de los cultivos para ayudar a los agricultores a determinar el mejor momento para la cosecha, e incluso distinguir los productos maduros de los que aún no lo están.

Fig. 3. Detección de frutas con Ultralytics YOLO11.

Uso de YOLO11 para la segmentación de instancias#

La detección de objetos utiliza cajas delimitadoras para identificar y localizar objetos en una imagen, pero no capta su forma exacta. Ahí es donde entra en juego la segmentación de instancias. En lugar de dibujar una caja alrededor de un objeto, la segmentación de instancias traza su contorno exacto.

Puedes verlo así: en vez de indicar simplemente que «hay una manzana en esta zona», delimita y rellena con cuidado la forma exacta de la manzana. Este proceso detallado ayuda a los sistemas de IA a comprender claramente los límites de los objetos, sobre todo cuando están muy cerca unos de otros.

La segmentación de instancias puede aplicarse a muchos ámbitos, desde inspecciones de infraestructuras hasta estudios geológicos. Por ejemplo, los datos de estudios geológicos pueden analizarse con YOLO11 para segmentar grietas o anomalías superficiales, tanto grandes como pequeñas. Al trazar límites precisos alrededor de estas anomalías, los ingenieros pueden localizar los problemas y solucionarlos antes de que empiece un proyecto.

Fig. 4. Segmentación de grietas con YOLO11.

Seguimiento de objetos: seguimiento de objetos entre fotogramas con YOLO11#

Hasta ahora, las tareas de visión artificial que hemos visto se centran en lo que aparece en una sola imagen. Sin embargo, cuando se trata de vídeos, necesitamos obtener información que vaya más allá de un único fotograma. Para ello, puede utilizarse la tarea de seguimiento de objetos.

La capacidad de seguimiento de objetos de YOLO11 permite seguir un objeto concreto, como una persona o un coche, mientras se desplaza por una serie de fotogramas de vídeo. Aunque cambie el ángulo de la cámara o aparezcan otros objetos, el sistema sigue rastreando el mismo objetivo.

Esto es fundamental para las aplicaciones que requieren supervisión a lo largo del tiempo, como el seguimiento de coches en el tráfico. De hecho, YOLO11 puede seguir vehículos con precisión, siguiendo cada coche para ayudar a estimar su velocidad en tiempo real. Esto convierte el seguimiento de objetos en un componente clave de sistemas como la supervisión del tráfico.

Fig. 5. La compatibilidad de YOLO11 con el seguimiento de objetos puede utilizarse para estimar la velocidad.

Detección de cajas delimitadoras orientadas (OBB) con YOLO11#

Los objetos del mundo real no siempre están perfectamente alineados: pueden estar inclinados, de lado o colocados en ángulos extraños. Por ejemplo, en imágenes por satélite, los barcos y los edificios suelen aparecer girados.

Los métodos tradicionales de detección de objetos utilizan cajas rectangulares fijas que no se ajustan a la orientación de un objeto, lo que dificulta captar con precisión estas formas giradas. La detección de cajas delimitadoras orientadas (OBB) resuelve este problema mediante cajas que giran para ajustarse al objeto y alinearse con su ángulo, lo que permite detectarlo con mayor precisión.

En la supervisión de puertos, la compatibilidad de YOLO11 con la detección OBB puede ayudar a identificar y seguir embarcaciones con precisión, independientemente de su orientación, y garantizar que todos los barcos que entran o salen del puerto estén correctamente vigilados. Esta detección precisa proporciona información en tiempo real sobre la posición y los movimientos de las embarcaciones, algo fundamental para gestionar puertos muy transitados y evitar colisiones.

Fig. 6. Detección de barcos con detección OBB y YOLO11.

Estimación de poses y YOLO11: seguimiento de puntos clave#

La estimación de poses es una técnica de visión artificial que sigue puntos clave, como articulaciones, extremidades u otras marcas, para comprender cómo se mueve un objeto. En lugar de tratar un objeto o un cuerpo entero como una sola unidad, este método lo descompone en sus partes clave. Esto permite analizar en detalle los movimientos, los gestos y las interacciones.

Una aplicación habitual de esta tecnología es la estimación de poses humanas. Al seguir en tiempo real la posición de distintas partes del cuerpo, ofrece una imagen clara de cómo se mueve una persona. Esta información puede utilizarse para diversos fines, desde el reconocimiento de gestos y la supervisión de actividades hasta el análisis del rendimiento deportivo.

Del mismo modo, en la rehabilitación física, los terapeutas pueden utilizar la estimación de poses humanas y YOLO11 para supervisar los movimientos de los pacientes durante los ejercicios. Esto ayuda a garantizar que cada movimiento se realice correctamente y permite seguir los progresos a lo largo del tiempo.

Fig. 7. YOLO11 puede supervisar un entrenamiento mediante la estimación de poses.

Cómo YOLO11 admite diversas tareas de visión artificial#

Ahora que hemos analizado en detalle todas las tareas de visión artificial compatibles con YOLO11, veamos cómo las admite YOLO11.

YOLO11 no es un único modelo, sino una familia de variantes especializadas, cada una diseñada para una tarea de visión artificial concreta. Esto convierte a YOLO11 en una herramienta versátil que puede adaptarse a una amplia variedad de aplicaciones. También puedes ajustar estos modelos con conjuntos de datos personalizados para abordar los retos específicos de tus proyectos.

Estas son las variantes del modelo YOLO11 preentrenadas para tareas de visión específicas:

• YOLO11: Este modelo detecta y etiqueta varios objetos en tiempo real, por lo que es ideal para el reconocimiento visual de alta velocidad.
• YOLO11-seg: Esta variante se centra en la segmentación y utiliza máscaras detalladas para separar los objetos del fondo.
• YOLO11-cls: Esta variante clasifica imágenes asignándoles una única etiqueta de categoría en función de su contenido general.
• YOLO11-pose: Este modelo estima puntos clave del cuerpo para seguir la postura, la posición de las extremidades y el movimiento.
• YOLO11-obb: Este modelo está diseñado para detectar objetos girados mediante cajas delimitadoras alineadas con la orientación de cada objeto.

Cada variante está disponible en distintos tamaños, lo que permite elegir el equilibrio adecuado entre velocidad y precisión según las necesidades específicas. El nuevo Ultralytics YOLO26 cubre las mismas tareas y añade la segmentación semántica y la estimación de profundidad.

Conclusiones clave#

Las tareas de visión artificial están cambiando la forma en que las máquinas entienden e interactúan con el mundo. Al descomponer imágenes y vídeos en elementos clave, estas tecnologías facilitan el análisis detallado de objetos, movimientos e interacciones.

Desde mejorar la seguridad vial y el rendimiento deportivo hasta agilizar los procesos industriales, modelos como YOLO11 pueden proporcionar información en tiempo real que impulsa la innovación. A medida que la IA visual sigue evolucionando, probablemente desempeñará un papel cada vez más importante en la forma en que interpretamos y utilizamos los datos visuales a diario.

Únete a nuestra comunidad y visita nuestro repositorio de GitHub para ver la IA en acción. Explora nuestras opciones de licencia y descubre más sobre la IA en la agricultura y la visión artificial en la fabricación en nuestras páginas de soluciones.