Descubre cómo funcionan las aplicaciones de la visión artificial

Al explorar la historia de los modelos de visión artificial, vimos cómo ha evolucionado la visión artificial y cuál ha sido el camino que nos ha llevado a los modelos de visión avanzados que tenemos hoy. Los modelos modernos, como Ultralytics YOLOv8 y sus sucesores, incluido el último Ultralytics YOLO26, admiten múltiples tareas de visión artificial y se utilizan en diversas aplicaciones fascinantes.

En este artículo, veremos los conceptos básicos de la visión artificial y los modelos de visión. Explicaremos cómo funcionan y sus diversas aplicaciones en distintos sectores. Las innovaciones en visión artificial están por todas partes y, a menudo, funcionan discretamente en segundo plano.

¿Qué es la visión artificial?#

La inteligencia artificial (IA) es un término general que engloba muchas tecnologías cuyo objetivo es replicar parte de la inteligencia humana. La visión artificial es uno de estos subcampos de la IA. Se centra en dotar a las máquinas de ojos que les permitan ver, observar y comprender lo que las rodea.

Al igual que la visión humana, las soluciones de visión artificial buscan distinguir objetos, calcular distancias y detectar movimientos. Sin embargo, a diferencia de las personas, que cuentan con toda una vida de experiencias que les ayuda a ver y comprender, los ordenadores dependen de grandes cantidades de datos, cámaras de alta definición y algoritmos complejos.

Fig. 1. Comparación entre la visión humana y la visión artificial.

Los sistemas de visión artificial pueden procesar y analizar datos visuales, como imágenes y vídeos, con gran rapidez y precisión. La capacidad de analizar rápidamente y con precisión grandes cantidades de información visual convierte la visión artificial en una herramienta potente para distintos sectores, desde la fabricación hasta la sanidad.

Los modelos de visión admiten diversas tareas de visión artificial#

Los modelos de visión artificial son la base de cualquier aplicación de visión artificial. En esencia, son algoritmos computacionales basados en técnicas de aprendizaje profundo y diseñados para dotar a las máquinas de la capacidad de interpretar y comprender información visual. Los modelos de visión permiten realizar tareas esenciales de visión artificial, desde la clasificación de imágenes hasta la detección de objetos. Veamos con más detalle algunas de estas tareas y sus casos de uso.

Clasificación de imágenes#

La clasificación de imágenes consiste en categorizar y etiquetar imágenes en clases o categorías predefinidas. Un modelo de visión como YOLOv8 puede entrenarse con grandes conjuntos de datos de imágenes etiquetadas. Durante el entrenamiento, el modelo aprende a reconocer los patrones y las características asociados a cada clase. Una vez entrenado, puede predecir la categoría de imágenes nuevas que no haya visto, analizando sus características y comparándolas con los patrones aprendidos.

Fig. 2. Ejemplo de clasificación de imágenes. (fuente: towardsdatascience.com)

Existen distintos tipos de clasificación de imágenes. Por ejemplo, al trabajar con imágenes médicas, puedes usar la clasificación binaria para dividir las imágenes en dos grupos, como sanas o enfermas. Otro tipo es la clasificación multiclase, que permite clasificar imágenes en muchos grupos, por ejemplo, distintos animales de una granja, como cerdos, cabras y vacas. O supongamos que quieres clasificar animales en grupos y subgrupos, por ejemplo, en mamíferos y aves y, después, en especies como leones, tigres, águilas y gorriones; en ese caso, la mejor opción sería la clasificación jerárquica.

Detección de objetos#

La detección de objetos es el proceso de identificar y localizar objetos en imágenes y fotogramas de vídeo mediante visión artificial. Consta de dos tareas: la localización de objetos, que dibuja cuadros delimitadores alrededor de los objetos, y la clasificación de objetos, que identifica la categoría de cada objeto. A partir de anotaciones de cuadros delimitadores, un modelo de visión puede aprender a reconocer patrones y características específicos de cada categoría de objeto y predecir la presencia y ubicación de esos objetos en imágenes nuevas que no haya visto.

Fig. 3. Detección de objetos con YOLOv8 para detectar jugadores en un campo de fútbol.

La detección de objetos tiene muchos casos de uso en distintos sectores, desde el deporte hasta la biología marina. Por ejemplo, en el comercio minorista, la tecnología Just Walk Out de Amazon utiliza la detección de objetos para automatizar el pago al identificar los artículos que cogen los clientes. La combinación de visión artificial y datos de sensores permite a los clientes coger sus artículos y salir sin hacer cola.

Así es como funciona:

• Las cámaras instaladas en el techo captan a los clientes mientras se mueven por la tienda, y los modelos de visión procesan estas imágenes de vídeo en tiempo real.
• La detección de objetos se utiliza para detectar el producto exacto que un cliente coge y coloca en su cesta, y actualizar así su carrito virtual.
• Los sensores de peso de las estanterías mejoran la precisión al detectar cuándo se retiran o se vuelven a colocar artículos.
• Cuando el cliente sale de la tienda, se puede utilizar la detección de objetos y la tecnología de reconocimiento facial para confirmar que se ha marchado; después, se pueden utilizar sus datos de pago, como los de su tarjeta de crédito, para cobrarle automáticamente.

Segmentación semántica y de instancias#

La segmentación semántica y la segmentación de instancias son tareas de visión artificial que ayudan a dividir las imágenes en segmentos significativos. La segmentación semántica clasifica los píxeles según su significado semántico y trata todos los objetos de una categoría como una única entidad con la misma etiqueta. Es adecuada para etiquetar objetos incontables como «el cielo» o «el océano», o conjuntos como «las hojas» o «la hierba».

La segmentación de instancias, en cambio, puede distinguir diferentes instancias de una misma clase asignando una etiqueta única a cada objeto detectado. Puedes usar la segmentación de instancias para segmentar objetos contables cuyo número e independencia sean importantes. Permite identificarlos y diferenciarlos con mayor precisión.

Fig. 4. Ejemplo de segmentación semántica y de instancias.

Podemos entender mejor la diferencia entre la segmentación semántica y la segmentación de instancias con un ejemplo relacionado con los coches autónomos. La segmentación semántica es ideal para tareas que requieren comprender el contenido de una escena y puede utilizarse en vehículos autónomos para clasificar elementos de la carretera, como los pasos de peatones y las señales de tráfico. Por su parte, la segmentación de instancias puede utilizarse en vehículos autónomos para distinguir entre peatones, vehículos y obstáculos individuales.

Estimación de poses#

La estimación de pose es una tarea de visión artificial centrada en detectar y seguir puntos clave de la pose de un objeto en imágenes o vídeos. Se utiliza sobre todo para estimar la pose humana, con puntos clave que incluyen zonas como los hombros y las rodillas. Estimar la pose de una persona nos ayuda a comprender y reconocer acciones y movimientos fundamentales para diversas aplicaciones.

Fig. 5. Ejemplo de estimación de poses con YOLOv8.

La estimación de pose puede utilizarse en el deporte para analizar cómo se mueven los atletas. La NBA usa la estimación de pose para estudiar los movimientos y las posiciones de los jugadores durante los partidos. Al seguir puntos clave como los hombros, los codos, las rodillas y los tobillos, la estimación de pose proporciona información detallada sobre los movimientos de los jugadores. Esta información ayuda a los entrenadores a desarrollar mejores estrategias, optimizar los programas de entrenamiento y realizar ajustes en tiempo real durante los partidos. Además, los datos pueden ayudar a supervisar la fatiga y el riesgo de lesiones de los jugadores para mejorar su salud y rendimiento generales.

Detección de objetos con cajas delimitadoras orientadas#

La detección de objetos con cajas delimitadoras orientadas (OBB) utiliza rectángulos girados para identificar y localizar objetos con precisión en una imagen. A diferencia de las cajas delimitadoras estándar, alineadas con los ejes de la imagen, las OBB giran para ajustarse a la orientación del objeto. Esto las hace especialmente útiles para objetos que no están perfectamente en horizontal ni en vertical. Permiten localizar y aislar objetos girados con gran precisión para evitar solapamientos en entornos concurridos.

Fig. 6. Ejemplo de detección de cajas delimitadoras orientadas en una imagen aérea de barcos con YOLOv8.

En la vigilancia marítima, identificar y seguir barcos es fundamental para la seguridad y la gestión de recursos. La detección de OBB puede utilizarse para localizar barcos con precisión, incluso cuando están muy juntos o tienen distintas orientaciones. Ayuda a supervisar las rutas marítimas, gestionar el tráfico marítimo y optimizar las operaciones portuarias. También puede contribuir a la respuesta ante catástrofes al identificar y evaluar rápidamente los daños en barcos e infraestructuras tras sucesos como huracanes o vertidos de petróleo.

Seguimiento de objetos#

Hasta ahora, hemos hablado de tareas de visión artificial que trabajan con imágenes. El seguimiento de objetos es una tarea de visión artificial que permite seguir un objeto a lo largo de los fotogramas de un vídeo. Empieza por identificar el objeto en el primer fotograma mediante algoritmos de detección y, después, sigue continuamente su posición mientras se desplaza por el vídeo. El seguimiento de objetos incluye técnicas como la detección de objetos, la extracción de características y la predicción del movimiento para mantener la precisión del seguimiento.

Fig. 7. Seguimiento de peces con YOLOv8.

Los modelos de visión como YOLOv8 pueden utilizarse para seguir peces en biología marina. Con cámaras submarinas, los investigadores pueden observar los movimientos y comportamientos de los peces en sus hábitats naturales. El proceso empieza detectando cada pez en los primeros fotogramas y, después, sigue sus posiciones a lo largo del vídeo. El seguimiento de peces ayuda a los científicos a comprender los patrones migratorios, los comportamientos sociales y las interacciones con el entorno. También favorece las prácticas de pesca sostenible al proporcionar información sobre la distribución y abundancia de los peces.

Una última mirada a la visión artificial#

La visión artificial está cambiando activamente cómo usamos la tecnología e interactuamos con el mundo. Al utilizar modelos de aprendizaje profundo y algoritmos complejos para interpretar imágenes y vídeos, la visión artificial ayuda a los sectores a agilizar muchos procesos. Las tareas de visión artificial, como la detección y el seguimiento de objetos, permiten crear soluciones que antes eran imposibles. A medida que la tecnología de visión artificial sigue mejorando, el futuro traerá muchas más aplicaciones innovadoras.

¡Aprendamos y crezcamos juntos! Explora nuestro repositorio de GitHub para conocer nuestras contribuciones a la IA. Descubre cómo estamos redefiniendo sectores como los coches autónomos y la agricultura con IA.