Exploramos cómo funcionan las aplicaciones de la visión por ordenador

Cuando exploramos la historia de los modelos de visión por ordenador, vimos cómo ha evolucionado la visión por ordenador y el camino que nos ha llevado hasta los avanzados modelos de visión actuales. Los modelos modernos, como Ultralytics YOLOv8, admiten múltiples tareas de visión por ordenador y se utilizan en diversas aplicaciones fascinantes.

En este artículo, repasaremos los conceptos básicos de la visión por ordenador y los modelos de visión. Veremos cómo funcionan y sus diversas aplicaciones en distintos sectores. Las innovaciones en visión por ordenador están por todas partes y transforman silenciosamente nuestro mundo. ¡Descubrámoslas una a una!

¿Qué es la visión por ordenador?#

La inteligencia artificial (AI) es un término general que engloba muchas tecnologías cuyo objetivo es reproducir una parte de la inteligencia humana. La visión por ordenador es uno de esos subcampos de la AI. La visión por ordenador se centra en dotar a las máquinas de ojos que les permitan ver, observar y comprender su entorno.

Al igual que la visión humana, las soluciones de visión por ordenador tienen como objetivo distinguir objetos, calcular distancias y detectar movimientos. Sin embargo, a diferencia de los seres humanos, que cuentan con toda una vida de experiencias para 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 por ordenador.

Los sistemas de visión por ordenador pueden procesar y analizar datos visuales, como imágenes y vídeos, a velocidades y con una precisión increíbles. La capacidad de analizar con rapidez y precisión grandes cantidades de información visual convierte la visión por ordenador en una herramienta potente para diversos sectores, desde la fabricación hasta la sanidad.

Los modelos de visión admiten diversas tareas de visión por ordenador#

Los modelos de visión por ordenador son el núcleo de cualquier aplicación de visión por ordenador. En esencia, son algoritmos computacionales potenciados por técnicas de aprendizaje profundo y diseñados para proporcionar a las máquinas la capacidad de interpretar y comprender información visual. Los modelos de visión permiten realizar tareas esenciales de visión por ordenador, desde la clasificación de imágenes hasta la detección de objetos. Veamos más detenidamente 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 ha visto analizando sus características y comparándolas con los patrones aprendidos.

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

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

Detección de objetos#

La detección de objetos es el proceso de identificar y localizar objetos en imágenes y fotogramas de vídeo mediante visión por ordenador. Consta de dos tareas: la localización de objetos, que dibuja cajas delimitadoras alrededor de los objetos, y la clasificación de objetos, que identifica la categoría de cada objeto. A partir de las anotaciones de las cajas delimitadoras, un modelo de visión puede aprender a reconocer los patrones y las características específicos de cada categoría de objeto y predecir la presencia y la ubicación de estos objetos en imágenes nuevas que no ha 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 los deportes 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 identificando los artículos que los clientes cogen. La combinación de visión por ordenador y datos de sensores permite a los clientes coger sus artículos y salir sin hacer cola.

Veamos más detenidamente cómo funciona:

• Las cámaras montadas en el techo capturan 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 retira o se vuelve a colocar un artículo.
• Cuando el cliente sale de la tienda, la detección de objetos y la tecnología de reconocimiento facial pueden utilizarse para confirmar que ha salido y sus datos de pago, como los de una tarjeta de crédito, pueden emplearse para cobrarle automáticamente.

Segmentación semántica y de instancias#

La segmentación semántica y la segmentación de instancias son tareas de visión por ordenador que ayudan a dividir las imágenes en segmentos con significado. 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 no contables, como «el cielo» o «el océano», o conjuntos, como «hojas» o «hierba».

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

Fig. 4. Un ejemplo de segmentación semántica y de instancias.

Podemos entender mejor la diferencia entre la segmentación semántica y la de instancias con un ejemplo relacionado con los vehículos 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 pasos de peatones y 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 pose#

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

Fig. 5. Un ejemplo de estimación de la pose con YOLOv8.

La estimación de la pose puede utilizarse en el deporte para analizar cómo se mueven los atletas. La NBA utiliza la estimación de la pose para estudiar los movimientos y las posiciones de los jugadores durante el partido. Al seguir puntos clave como los hombros, los codos, las rodillas y los tobillos, la estimación de la pose proporciona información detallada sobre los movimientos de los jugadores. Estos datos ayudan a los entrenadores a desarrollar mejores estrategias, optimizar los programas de entrenamiento y realizar ajustes en tiempo real durante los partidos. Además, 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, que están alineadas con los ejes de la imagen, las OBB giran para adaptarse a la orientación del objeto. Esto las hace especialmente útiles para objetos que no son perfectamente horizontales ni verticales. Son muy eficaces para localizar y aislar con precisión objetos girados y evitar solapamientos en entornos concurridos.

Fig. 6. Un 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 con OBB puede utilizarse para localizar barcos con precisión, incluso cuando están muy juntos o orientados en distintos ángulos. 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 después de fenómenos como huracanes o vertidos de petróleo.

Seguimiento de objetos#

Hasta ahora, hemos hablado de tareas de visión por ordenador que trabajan con imágenes. El seguimiento de objetos es una tarea de visión por ordenador que permite seguir un objeto a lo largo de los fotogramas de un vídeo. Comienza identificando 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 utiliza técnicas como la detección de objetos, la extracción de características y la predicción del movimiento para mantener la precisión del seguimiento.

Fig. 7. Uso de YOLOv8 para seguir peces.

Los modelos de visión como YOLOv8 pueden utilizarse para seguir peces en biología marina. Mediante cámaras subacuáticas, los investigadores pueden supervisar los movimientos y comportamientos de los peces en sus hábitats naturales. El proceso comienza detectando peces individuales 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 unas prácticas pesqueras sostenibles al proporcionar información sobre la distribución y abundancia de los peces.

Una última mirada a la visión por ordenador#

La visión por ordenador está cambiando activamente nuestra forma de utilizar la tecnología y de interactuar con el mundo. Al utilizar modelos de aprendizaje profundo y algoritmos complejos para comprender imágenes y vídeos, la visión por ordenador ayuda a los sectores a optimizar numerosos procesos. Las tareas de visión por ordenador, como la detección y el seguimiento de objetos, hacen posible crear soluciones que antes no se habían imaginado. A medida que la tecnología de visión por ordenador continúa mejorando, ¡el futuro nos depara muchas más aplicaciones innovadoras!

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