Cómo mejorar el mAP del modelo en objetos pequeños: guía rápida

A medida que sigue creciendo la adopción de la inteligencia artificial (IA), el aprendizaje automático y la visión artificial, los sistemas de detección de objetos se utilizan en todas partes, desde cámaras de tráfico inteligentes hasta drones y herramientas de análisis para el comercio minorista. A menudo, se espera que estos sistemas detecten objetos de todos los tamaños, ya sea un camión grande cerca de la cámara o un peatón diminuto a lo lejos.

Por lo general, resulta más sencillo detectar objetos grandes y claramente visibles. En cambio, detectar objetos pequeños es más difícil.

Cuando un objeto ocupa solo una parte diminuta de la imagen, hay muy poca información visual con la que trabajar. Un peatón lejano en una retransmisión de tráfico o un vehículo pequeño captado desde una vista aérea puede ocupar solo unos pocos píxeles, pero esos píxeles pueden contener información fundamental.

Los modelos de visión artificial, como los modelos Ultralytics YOLO, se basan en patrones visuales para reconocer objetos y, cuando esos patrones son limitados o poco claros, el rendimiento se resiente. Durante el procesamiento pueden perderse detalles importantes, lo que hace que las predicciones sean más sensibles a los errores de localización. Un ligero desplazamiento de una caja delimitadora puede convertir una detección correcta en una detección fallida.

Esta diferencia queda clara al observar el rendimiento del modelo. La mayoría de los modelos de detección y segmentación gestionan bien los objetos medianos y grandes, pero los objetos pequeños suelen reducir la precisión general.

El rendimiento del aprendizaje profundo suele medirse mediante la precisión media, o mAP. Esta métrica refleja tanto la precisión de las detecciones como el grado de ajuste de las cajas predichas a los objetos reales.

Combina la precisión, que indica cuántos de los objetos predichos son correctos, y la exhaustividad, que indica cuántos de los objetos reales se detectan correctamente, en distintos niveles de confianza y umbrales de intersección sobre unión, o IoU (una métrica que mide cuánto se solapa la caja delimitadora predicha con la caja de referencia).

Anteriormente, hemos explorado la detección de objetos pequeños y por qué supone un reto tan difícil para los modelos de visión artificial. En este artículo, partiremos de esa base y nos centraremos en cómo mejorar mAP cuando hay objetos pequeños. ¡Empecemos!

¿Por qué es más difícil detectar objetos pequeños?#

En las aplicaciones que utilizan detectores de objetos, un objeto pequeño se define por el espacio que ocupa en una imagen, no necesariamente por lo pequeño que parece al ojo humano. Si ocupa solo una parte diminuta de la imagen, contiene muy poca información visual, lo que dificulta que un algoritmo de visión artificial lo detecte con precisión.

Fig. 1. Ejemplos de imágenes en las que los objetos pequeños ocupan una superficie limitada de píxeles (Fuente)

Con menos píxeles disponibles, los detalles importantes, como los bordes, las formas y las texturas, pueden resultar poco claros o perderse fácilmente. A medida que el modelo procesa la imagen, la redimensiona y simplifica para destacar los patrones útiles.

Aunque esto ayuda al modelo a entender la escena general, también puede reducir aún más los detalles sutiles. En el caso de los objetos pequeños, esos detalles suelen ser esenciales para detectarlos correctamente.

Estos retos se hacen aún más evidentes al analizar las métricas de evaluación. Los objetos pequeños son especialmente sensibles a los errores de localización. Incluso una caja delimitadora ligeramente desalineada puede quedar por debajo del umbral requerido de intersección sobre unión, o IoU.

Cuando esto ocurre, una predicción que parece razonable puede contabilizarse como incorrecta. Esto reduce tanto la precisión como la exhaustividad y, en última instancia, disminuye la precisión media, o mAP.

Como estos factores están estrechamente relacionados, mejorar el rendimiento suele exigir tener en cuenta todo el sistema. Esto implica equilibrar cuidadosamente la resolución de imagen, la extracción de características, el diseño del modelo y los ajustes de evaluación para conservar e interpretar mejor los detalles visuales pequeños.

La importancia de la calidad del conjunto de datos y las anotaciones#

En la detección de objetos pequeños, la calidad de un conjunto de datos suele ser el factor que más influye en el rendimiento. Los objetos pequeños ocupan solo una parte diminuta de la imagen, lo que significa que el modelo dispone de muy poca información visual de la que aprender. Por eso, los datos de entrenamiento cobran especial importancia. Si el conjunto de datos no incluye suficientes ejemplos claros y representativos, el modelo de detección de objetos tendrá dificultades para reconocer patrones coherentes.

Los conjuntos de datos que funcionan bien para detectar objetos pequeños suelen contener imágenes de alta resolución, apariciones frecuentes de objetos pequeños y condiciones visuales coherentes. Aunque los conjuntos de datos genéricos, como el conjunto de datos COCO, son un punto de partida útil, a menudo no se ajustan a la escala, la densidad o el contexto de casos de uso específicos del mundo real. En esos casos, es necesario recopilar datos de entrenamiento específicos del dominio para mejorar el rendimiento del modelo.

La calidad de las anotaciones también desempeña un papel fundamental. Las anotaciones establecen la referencia al especificar las etiquetas correctas de los objetos y la ubicación de las cajas delimitadoras que el modelo aprende a predecir.

En el caso de los objetos pequeños, las cajas delimitadoras deben trazarse con cuidado y de forma coherente. Incluso pequeñas diferencias en la colocación de una caja pueden afectar notablemente a la precisión de localización, porque los objetos pequeños son muy sensibles a los desplazamientos a nivel de píxel.

Las anotaciones deficientes o incoherentes pueden reducir considerablemente mAP. Si se etiquetan mal los objetos, el modelo aprende patrones incorrectos, lo que puede aumentar los falsos positivos.

Si aparecen objetos en la imagen, pero no figuran en la referencia, las detecciones correctas pueden contabilizarse como falsos positivos durante la evaluación. Ambas situaciones reducen el rendimiento general.

Curiosamente, investigaciones recientes indican que la precisión media de los objetos pequeños suele mantenerse entre el 20 % y el 40 % en los benchmarks estándar, una cifra considerablemente inferior a la de los objetos más grandes. Esta diferencia pone de relieve la importancia del diseño del conjunto de datos y de la coherencia de las anotaciones para la precisión general de la detección.

El aumento de datos puede desempeñar un papel clave en la mejora de la precisión#

Ahora que conocemos la importancia de la calidad del conjunto de datos y de la coherencia de las anotaciones, veamos cómo puede aprender con mayor eficacia un modelo de detección de objetos a partir de los datos existentes. Aunque recopilar imágenes adicionales sea difícil o caro, hay formas de mejorar el rendimiento aprovechando mejor los datos disponibles.

Uno de los enfoques más prácticos es el aumento de datos. Desempeña un papel especialmente importante en la detección de objetos pequeños, ya que estos proporcionan menos indicios visuales de los que el modelo pueda aprender. Al introducir variaciones controladas durante el entrenamiento, el aumento de datos ayuda al modelo a generalizar mejor sin necesidad de recopilar datos nuevos.

El aumento de datos eficaz se centra en mantener los objetos pequeños claramente visibles. Técnicas como el redimensionamiento controlado, los recortes ligeros y la división de imágenes en mosaicos pueden hacer que los objetos pequeños destaquen más, sin alterar su forma ni su aspecto. El objetivo es que el modelo vea objetos pequeños con más frecuencia y en condiciones ligeramente distintas, sin cambiar su aspecto en situaciones reales.

Sin embargo, el aumento de datos debe aplicarse con cuidado. Algunas transformaciones pueden reducir la visibilidad de los objetos pequeños o cambiar su aspecto de maneras poco habituales en los datos reales. Cuando esto ocurre, el modelo puede tener dificultades para aprender los límites precisos de los objetos.

Aumento de datos más inteligente con IA generativa#

Otro tipo interesante de aumento de datos, cada vez más popular, consiste en usar IA generativa para crear datos de entrenamiento sintéticos. En lugar de depender de imágenes recopiladas y etiquetadas manualmente, los equipos ahora pueden generar escenas realistas que simulan entornos, tamaños de objetos, condiciones de iluminación y variaciones de fondo específicos.

Fig. 2. Ejemplo de imágenes aéreas sintéticas utilizadas para el aumento de datos (Fuente)

Este enfoque resulta especialmente útil para la detección de objetos pequeños, ya que puede ser difícil captar ejemplos del mundo real de forma coherente. Al controlar cómo aparecen los objetos pequeños en las imágenes sintéticas, por ejemplo, ajustando la escala, la densidad y la ubicación, es posible exponer los modelos a una gama más amplia de escenarios de entrenamiento.

Si se combina cuidadosamente con datos reales, el aumento sintético puede mejorar la robustez del modelo, reducir los costes de recopilación de datos y facilitar mejoras de rendimiento más específicas.

Decisiones de entrenamiento del modelo que pueden afectar a mAP de los objetos pequeños#

Además de la calidad del conjunto de datos y la coherencia de las anotaciones, las decisiones de entrenamiento del modelo también influyen mucho en el rendimiento de la detección de objetos pequeños.

Estas son algunas de las estrategias de entrenamiento clave que conviene tener en cuenta:

• Empieza con modelos preentrenados: Un modelo preentrenado, como Ultralytics YOLO26, ya ha aprendido patrones visuales generales a partir de grandes conjuntos de imágenes. Esto ofrece un punto de partida sólido, en lugar de entrenar desde cero, y resulta especialmente útil cuando se detectan objetos pequeños con datos limitados.
• Usa el aprendizaje por transferencia de forma estratégica: El aprendizaje por transferencia consiste en adaptar un modelo preentrenado a tu conjunto de datos específico. Ayuda al modelo a centrarse en tus objetos pequeños y, a la vez, reduce el sobreajuste (memorizar los datos de entrenamiento en lugar de aprender patrones generales).
• Aborda el desequilibrio entre clases: Si los objetos pequeños aparecen con menos frecuencia que los grandes, el modelo puede dar prioridad al aprendizaje de los objetos grandes. Técnicas como la ponderación de clases o las estrategias de muestreo ayudan a que no se ignoren los objetos pequeños.
• Ajusta los umbrales de confianza e IoU: Los objetos pequeños son sensibles a los errores de localización, por pequeños que sean. Ajustar estos umbrales ayuda a evaluar e interpretar mejor el rendimiento de los objetos pequeños durante la validación y la inferencia.

Consideraciones sobre la arquitectura del modelo para detectar objetos pequeños#

Aunque puedes usar un modelo general de detección de objetos para tareas con objetos pequeños, también hay arquitecturas de modelos diseñadas específicamente para mejorar su detección. Por ejemplo, existen variantes del modelo Ultralytics YOLOv8 con P2, optimizadas para conservar los detalles espaciales sutiles.

Ultralytics YOLOv8 procesa las imágenes a varias escalas y las reduce gradualmente a medida que avanzan por la red. Esto ayuda al modelo a entender la escena general, pero también reduce los detalles sutiles.

Cuando un objeto ya es muy pequeño, durante este proceso puede desaparecer información visual importante. La variante P2 de Ultralytics YOLOv8 aborda este problema mediante un stride de 2 en su pirámide de características.

Una pirámide de características es la parte del modelo que analiza la imagen a varias resoluciones internas para poder detectar objetos de distintos tamaños. Con un stride de 2, la imagen se reduce de forma más gradual en esta etapa, lo que permite conservar más detalles originales a nivel de píxel.

Al conservar más detalles espaciales, los objetos pequeños mantienen una estructura más visible dentro de la red. Esto facilita que el modelo localice y detecte objetos que ocupan solo unos pocos píxeles, lo que puede ayudar a mejorar mAP de los objetos pequeños.

Evaluación por tamaño para la detección de objetos pequeños#

Aunque la precisión media resume el rendimiento general del modelo, no siempre muestra lo bien que gestiona objetos de distintos tamaños. En el caso de los objetos pequeños, el rendimiento suele estar limitado por la precisión de localización más que por la clasificación en sí, por lo que pequeños desplazamientos de las cajas delimitadoras pueden afectar mucho a los resultados.

En otras palabras, el modelo puede identificar correctamente la clase del objeto, pero, si la caja delimitadora predicha está ligeramente desalineada, la detección puede seguir considerándose incorrecta. Como los objetos pequeños ocupan muy pocos píxeles, incluso un desplazamiento mínimo de la caja puede reducir considerablemente el solapamiento entre la caja predicha y la referencia. Por eso, las puntuaciones de evaluación pueden bajar incluso cuando el objeto se ha identificado correctamente.

Fig. 3. La evaluación de la detección de objetos pequeños puede ser complicada (Fuente)

Un enfoque más informativo consiste en evaluar el rendimiento según el tamaño del objeto. La mayoría de los benchmarks más utilizados informan por separado de la precisión media de los objetos pequeños, medianos y grandes.

Este desglose por tamaños ofrece una visión más clara de los casos en los que el modelo funciona bien y de aquellos que le plantean dificultades. En la práctica, la AP de objetos pequeños suele quedar por debajo de mAP general, lo que pone de manifiesto retos de localización que pueden pasar desapercibidos en las métricas agregadas.

Ten en cuenta las limitaciones de implementación y las compensaciones en el mundo real#

El rendimiento del modelo suele cambiar al pasar de entornos de prueba controlados a la implementación en el mundo real. Factores como la resolución de imagen, la velocidad de procesamiento y el hardware disponible obligan a hacer compensaciones que afectan directamente a la detección de objetos pequeños.

Por ejemplo, aumentar la resolución de entrada puede mejorar mAP de los objetos pequeños, ya que los objetivos pequeños ocupan más píxeles y conservan más detalles. Sin embargo, una mayor resolución también aumenta el uso de memoria y el tiempo de procesamiento. Esto puede ralentizar la inferencia y elevar los costes operativos.

Fig. 4. Retos de implementación de la detección de objetos pequeños. Imagen del autor.

La elección del hardware desempeña un papel clave en la gestión de estas compensaciones. Las GPU más potentes permiten utilizar modelos más grandes y procesar datos más rápido, pero los entornos de implementación, especialmente los dispositivos periféricos, suelen tener recursos de cálculo y memoria limitados.

Las aplicaciones en tiempo real añaden otra limitación: mantener una latencia baja puede exigir reducir el tamaño del modelo o la resolución de entrada, lo que puede afectar negativamente a la exhaustividad de los objetos pequeños. En última instancia, las decisiones de implementación requieren equilibrar el rendimiento de detección con las limitaciones del hardware, los requisitos de velocidad y el coste total.

En resumen: cómo mejorar mAP del modelo con objetos pequeños#

Mejorar la detección de objetos pequeños exige un enfoque práctico y estructurado, sobre todo en entornos reales. Este es un resumen de los pasos principales que debes tener en cuenta:

• Audita la calidad de tu conjunto de datos: Asegúrate de que incluya suficientes ejemplos de objetos pequeños, de que utilice imágenes de alta resolución siempre que sea posible y de que refleje las condiciones en las que se implementará el modelo.
• Comprueba la coherencia de las anotaciones: Asegúrate de que las cajas delimitadoras sean precisas, completas y estén etiquetadas de forma coherente. Las anotaciones incoherentes pueden limitar directamente el rendimiento de localización.
• Ajusta deliberadamente los parámetros de entrenamiento: Ajusta con criterio el tamaño del lote, el número de épocas y los parámetros de optimización para que los objetos pequeños estén bien representados durante el entrenamiento.
• Avanza paso a paso: Haz ajustes controlados, mide su impacto y perfecciona tu enfoque. La iteración constante y basada en datos conduce a mejoras sostenidas con el tiempo.

Conclusiones clave#

Mejorar mAP de los objetos pequeños exige un enfoque estructurado y basado en datos, no hacer ajustes al azar. Las mejoras reales surgen de combinar buenos datos, anotaciones coherentes, un entrenamiento cuidadoso y métodos de evaluación adecuados. En los proyectos del mundo real, las pruebas constantes y los pequeños cambios medibles son los que permiten mejorar la detección de objetos pequeños y hacerla más fiable con el tiempo.

Únete a nuestra creciente comunidad y explora nuestro repositorio de GitHub para acceder a recursos prácticos de IA. Si quieres crear soluciones con IA de visión hoy mismo, consulta nuestras opciones de licencia. Descubre cómo la IA en la agricultura está transformando el sector agrícola y cómo la IA de visión en robótica está dando forma al futuro en nuestras páginas de soluciones.