Precisión media promedio (mAP) en la detección de objetos

La adopción de la IA está creciendo rápidamente y la IA se está integrando en diversas innovaciones, desde coches autónomos hasta sistemas comerciales capaces de identificar productos en una estantería. Estas tecnologías dependen de la visión artificial, una rama de la inteligencia artificial (AI) que permite a las máquinas analizar datos visuales.

Una métrica de evaluación clave para medir la precisión de los sistemas y algoritmos de visión artificial es la precisión media promedio (mAP). La métrica mAP indica hasta qué punto la predicción de un modelo de IA para visión coincide con los resultados del mundo real.

Una tarea habitual de visión artificial es la detección de objetos, en la que un modelo identifica varios objetos en una imagen y dibuja cajas delimitadoras a su alrededor. La mAP es la métrica estándar utilizada para evaluar el rendimiento de los modelos de detección de objetos y se usa ampliamente para comparar modelos de aprendizaje profundo como Ultralytics YOLO11.

En este artículo veremos cómo se calcula la precisión media promedio y por qué es esencial para cualquiera que entrene o evalúe modelos de detección de objetos. ¡Empecemos!

¿Qué es la precisión media promedio (mAP)?#

La precisión media promedio es una puntuación que muestra la precisión de un modelo de aprendizaje profundo en tareas relacionadas con la recuperación de información visual, como detectar e identificar distintos objetos en una imagen. Por ejemplo, imagina un modelo de detección de objetos que analiza una foto que contiene un perro, un gato y un coche. Un modelo fiable puede realizar la detección de objetos reconociendo cada objeto y dibujando cajas delimitadoras y etiquetas a su alrededor, destacando dónde está y qué es.

La mAP indica hasta qué punto el modelo realiza bien esta tarea en muchas imágenes y con distintos tipos de objetos. Comprueba si el modelo identifica correctamente cada objeto y su ubicación dentro de la imagen. La puntuación va de 0 a 1: uno significa que el modelo lo ha encontrado todo perfectamente y cero que no ha detectado ningún objeto.

Conceptos clave de la precisión media promedio (mAP)#

Antes de explorar los conceptos en los que se basa la precisión media promedio en el aprendizaje automático, vamos a entender mejor dos términos básicos: verdad fundamental y predicciones.

La verdad fundamental hace referencia a los datos de referencia precisos, en los que las personas etiquetan cuidadosamente los objetos y sus ubicaciones en la imagen mediante un proceso conocido como anotación. Por su parte, las predicciones son los resultados que proporcionan los modelos de IA después de analizar una imagen. Al comparar las predicciones del modelo de IA con la verdad fundamental, podemos medir hasta qué punto el modelo se acercó a los resultados correctos.

Fig. 1. Cajas delimitadoras de la predicción del modelo y de la verdad fundamental. Imagen del autor.

Matriz de confusión#

Una matriz de confusión se utiliza a menudo para entender la precisión de un modelo de detección de objetos. Es una tabla que muestra cómo coinciden las predicciones del modelo con las respuestas correctas reales (la verdad fundamental). A partir de esta tabla podemos desglosar cuatro componentes o resultados clave: verdaderos positivos, falsos positivos, falsos negativos y verdaderos negativos.

Estos son los componentes que representa la matriz de confusión:

• Verdadero positivo (TP): El modelo detecta correctamente un objeto y su ubicación.
• Falso positivo (FP): El modelo realizó una detección, pero era incorrecta.
• Falso negativo (FN): Había un objeto presente en la imagen, pero el modelo no consiguió detectarlo.
• Verdadero negativo (TN): Se producen verdaderos negativos cuando el modelo identifica correctamente la ausencia de un objeto.

Los verdaderos negativos no suelen utilizarse en la detección de objetos, ya que normalmente ignoramos las numerosas regiones vacías de una imagen. Sin embargo, son esenciales en otras tareas de visión artificial, como la clasificación de imágenes, en la que el modelo asigna una etiqueta a la imagen. Por ejemplo, si la tarea consiste en detectar si una imagen contiene un gato y el modelo identifica correctamente «no hay gato» cuando la imagen no contiene ninguno, eso es un verdadero negativo.

Fig. 2. Resultados de clasificación en una matriz de confusión. Imagen del autor.

Intersección sobre unión (IoU)#

Otra métrica fundamental para evaluar modelos de detección de objetos es la intersección sobre unión (IoU). En estos modelos de IA para visión, no basta con detectar la presencia de un objeto en una imagen; también es necesario localizar dónde se encuentra para dibujar cajas delimitadoras.

La métrica IoU mide hasta qué punto la caja predicha por el modelo coincide con la caja real correcta (la verdad fundamental). La puntuación está entre 0 y 1: 1 significa una coincidencia perfecta y 0 significa que no hay ningún solapamiento.

Por ejemplo, una IoU alta (como 0.80 o 0.85) significa que la caja predicha coincide estrechamente con la caja de la verdad fundamental, lo que indica una localización precisa. Una IoU baja (como 0.30 o 0.25) significa que el modelo no ha localizado el objeto con precisión.

Para determinar si una detección es correcta, utilizamos distintos umbrales. Un umbral de IoU habitual es 0.5, lo que significa que una caja predicha debe solaparse con la caja de la verdad fundamental al menos un 50 % para contabilizarse como un verdadero positivo. Cualquier solapamiento inferior a este umbral se considera un falso positivo.

Fig. 3. Comprender la intersección sobre unión. Imagen del autor.

Precisión y exhaustividad#

Hasta ahora hemos explorado algunas métricas de evaluación básicas para entender el rendimiento de los modelos de detección de objetos. Sobre esta base, dos de las métricas más importantes son la precisión y la exhaustividad. Nos ofrecen una visión clara de la precisión de las detecciones del modelo. Veamos en qué consisten.

Los valores de precisión nos indican cuántas de las predicciones del modelo eran realmente correctas. Responde a la pregunta: de todos los objetos que el modelo afirmó detectar, ¿cuántos estaban realmente presentes?

Por otro lado, los valores de exhaustividad miden hasta qué punto el modelo encuentra todos los objetos reales presentes en la imagen. Responde a la pregunta: de todos los objetos reales presentes, ¿cuántos detectó correctamente el modelo?

En conjunto, la precisión y la exhaustividad ofrecen una imagen más clara del rendimiento del modelo. Por ejemplo, si un modelo predice 10 coches en una imagen y 9 de ellos son realmente coches, tiene una precisión del 90 % (una predicción positiva).

Estas dos métricas de evaluación suelen implicar un compromiso: un modelo puede lograr un valor de precisión alto haciendo únicamente predicciones de las que tiene plena confianza, pero esto puede hacer que no detecte muchos objetos, lo que reduce el nivel de exhaustividad. Al mismo tiempo, también puede alcanzar una exhaustividad muy alta prediciendo una caja delimitadora prácticamente en todas partes, pero esto reduciría la precisión.

Fig. 4. Precisión y exhaustividad. Imagen del autor.

Precisión media#

Mientras que la precisión y la exhaustividad nos ayudan a entender cómo se comporta un modelo con predicciones individuales, la precisión media (AP) ofrece una visión más amplia. Muestra cómo cambia la precisión del modelo cuando intenta detectar más objetos y resume su rendimiento en un único número.

Para calcular la puntuación de precisión media, primero podemos crear una métrica combinada similar a un gráfico llamada curva de precisión-exhaustividad (o curva PR) para cada tipo de objeto. Esta curva muestra qué ocurre a medida que el modelo realiza más predicciones.

Imagina una situación en la que el modelo empieza detectando únicamente los objetos más fáciles o evidentes. En esta fase, la precisión es alta porque la mayoría de las predicciones son correctas, pero la exhaustividad es baja porque todavía no se detectan muchos objetos. Cuando el modelo intenta detectar más objetos, incluidos los más difíciles o poco frecuentes, normalmente introduce más errores. Esto hace que la precisión disminuya mientras aumenta la exhaustividad.

La precisión media es el área bajo la curva (AUC de la curva PR). Un área mayor significa que el modelo mantiene mejor la precisión de sus predicciones incluso cuando detecta más objetos. La AP se calcula por separado para cada etiqueta de clase.

Por ejemplo, en un modelo capaz de detectar coches, bicicletas y peatones, podemos calcular individualmente los valores de AP para cada una de esas tres categorías. Esto nos ayuda a ver qué objetos se le da bien detectar al modelo y en qué aspectos aún podría necesitar mejoras.

Fig. 5. Una curva PR para cinco clases diferentes. (Fuente)

Precisión media promedio#

Después de calcular la precisión media para cada clase de objeto, todavía necesitamos una única puntuación que refleje el rendimiento general del modelo en todas las clases. Esto se puede conseguir mediante la fórmula de la precisión media promedio. Esta fórmula calcula la media de las puntuaciones de AP de todas las categorías.

Por ejemplo, supongamos que un modelo de visión artificial como Ultralytics YOLO11 obtiene una AP de 0.827 para coches, 0.679 para motocicletas, 0.355 para camiones, 0.863 para autobuses y 0.982 para bicicletas. Con la fórmula de mAP, podemos sumar estos números y dividirlos entre el número total de clases de la siguiente manera:

mAP = (0.827 + 0.679 + 0.355 + 0.863 + 0.982) ÷ 5 = 0.7432 ≈ 0.743

La puntuación mAP de 0.743 ofrece una forma sencilla de juzgar el rendimiento del modelo en todas las clases de objetos. Un valor cercano a 1 significa que el modelo es preciso para la mayoría de las categorías, mientras que un valor inferior sugiere que tiene dificultades con algunas.

Importancia de la AP y la mAP en la visión artificial#

Ahora que entendemos mejor cómo se calculan la AP y la mAP y cuáles son sus componentes, este es un resumen de su importancia en la visión artificial:

• AP baja para una clase específica: Una AP baja para una sola clase suele significar que el modelo tiene dificultades con esa clase de objeto concreta. Esto puede deberse a datos de entrenamiento insuficientes o a dificultades visuales en las imágenes, como la oclusión.

• Errores de localización: Un valor de mAP más alto con un umbral de IoU más bajo (como mAP@0.50), combinado con una caída significativa con un umbral de IoU más alto (como mAP@0.75), indica que el modelo puede detectar objetos, pero tiene dificultades para localizarlos con precisión.

• Sobreajuste: Un valor de mAP más alto en el conjunto de datos de entrenamiento, pero un valor de mAP más bajo en el conjunto de datos de validación, es señal de sobreajuste, lo que hace que el modelo no sea fiable para imágenes nuevas.

Aplicaciones de la precisión media promedio en el mundo real#

A continuación, exploraremos cómo las métricas clave, como la mAP, pueden ayudar al crear casos de uso reales de visión artificial.

Vehículos autónomos: por qué un valor de mAP más alto significa carreteras más seguras#

En el caso de los coches autónomos, la detección de objetos es fundamental para identificar peatones, señales de tráfico, ciclistas y marcas viales. Por ejemplo, si un niño cruza la calle de repente, el coche tiene unos segundos para detectar el objeto (el niño), localizar dónde está, seguir su movimiento y realizar la acción necesaria (frenar).

Los modelos como Ultralytics YOLO11 están diseñados para la detección de objetos en tiempo real en situaciones de alto riesgo como estas. En estos casos, la mAP se convierte en una medida de seguridad fundamental.

Una puntuación mAP alta garantiza que el sistema detecte rápidamente al niño, lo localice con precisión y active el frenado con un retraso mínimo. Una mAP baja puede significar detecciones fallidas o clasificaciones erróneas peligrosas, como confundir al niño con otro objeto pequeño.

Fig. 6. Ejemplo del uso de YOLO11 para detectar peatones en la carretera. (Fuente)

Uso de la mAP para detectar productos con precisión#

Del mismo modo, en el comercio minorista, los modelos de detección de objetos pueden utilizarse para automatizar tareas como la supervisión del inventario y los procesos de pago. Cuando un cliente escanea un producto en una caja de autopago, un error de detección puede causar frustración.

Una puntuación mAP alta garantiza que el modelo distinga con precisión entre productos similares y dibuje cajas delimitadoras precisas, incluso cuando los artículos están muy juntos. Una puntuación mAP baja puede provocar confusiones. Por ejemplo, si el modelo confunde una botella de zumo de naranja con una botella de zumo de manzana visualmente similar, podría dar lugar a un cobro incorrecto y a informes de inventario imprecisos.

Los sistemas comerciales integrados con modelos como Ultralytics YOLO11 pueden detectar productos en tiempo real, compararlos con el inventario y actualizar los sistemas backend al instante. En entornos comerciales de ritmo rápido, la mAP desempeña un papel crucial para mantener unas operaciones precisas y fiables.

Mejora de la precisión diagnóstica con una mAP alta en sanidad#

Mejorar la precisión diagnóstica en sanidad comienza con una detección precisa en imágenes médicas. Los modelos como YOLO11 pueden ayudar a los radiólogos a detectar tumores, fracturas u otras anomalías en esas exploraciones médicas. En este contexto, la precisión media promedio es una métrica esencial para evaluar la fiabilidad clínica de un modelo.

Una mAP alta indica que el modelo logra tanto una exhaustividad alta (identifica la mayoría de los problemas reales) como una precisión alta (evita falsas alarmas), algo crucial en la toma de decisiones clínicas. Además, el umbral de IoU en sanidad suele establecerse en un valor muy alto (0.85 o 0.90) para garantizar una detección extremadamente precisa.

Sin embargo, una puntuación mAP baja puede generar preocupación. Supongamos que un modelo no detecta un tumor; esto podría retrasar el diagnóstico o dar lugar a un tratamiento incorrecto.

Ventajas e inconvenientes del uso de la mAP#

Estas son las principales ventajas de utilizar la precisión media promedio para evaluar modelos de detección de objetos:

• Métrica estandarizada: La mAP es el estándar del sector para evaluar modelos de detección de objetos. Un valor de mAP permite comparar distintos modelos de forma justa y coherente.

• Refleja el rendimiento en el mundo real: Una mAP alta indica que el modelo destaca en la detección de varias clases de objetos y mantiene un rendimiento sólido en situaciones complejas del mundo real.

• Diagnóstico por clase: Una puntuación mAP evalúa individualmente el rendimiento de detección de cada clase. Esto facilita identificar las categorías con peor rendimiento (como bicicletas o señales de tráfico) y ajustar el modelo en consecuencia.

Aunque utilizar la métrica mAP ofrece varias ventajas, también hay algunas limitaciones que deben tenerse en cuenta. Estos son algunos factores que conviene considerar:

• Difícil de interpretar para las partes interesadas no técnicas: Los equipos empresariales o clínicos pueden considerar abstractos los valores de mAP, a diferencia de otras métricas más intuitivas y fáciles de entender.

• No refleja las limitaciones del tiempo real: La mAP no tiene en cuenta la velocidad de inferencia ni la latencia, aspectos cruciales para la implementación en aplicaciones sensibles al tiempo.

Conclusiones clave#

Hemos visto que la precisión media promedio no es solo una puntuación técnica, sino también un reflejo del rendimiento potencial de un modelo en el mundo real. Ya sea en un sistema de vehículos autónomos o en una caja de pago de un comercio, una puntuación mAP alta sirve como indicador fiable del rendimiento y la preparación práctica de un modelo.

Aunque la mAP es una métrica esencial y de gran impacto, debe considerarse como parte de una estrategia de evaluación completa. En aplicaciones críticas como la sanidad y la conducción autónoma, no basta con confiar únicamente en la mAP.

También deben tenerse en cuenta factores adicionales como la velocidad de inferencia (la rapidez con la que el modelo realiza predicciones), el tamaño del modelo (que afecta a la implementación en dispositivos periféricos) y el análisis cualitativo de errores (para entender los tipos de errores que comete el modelo), con el fin de garantizar que el sistema sea seguro, eficiente y realmente adecuado para su propósito.

Únete a nuestra creciente comunidad y visita nuestro repositorio de GitHub para descubrir más sobre la visión artificial. Explora nuestras páginas de soluciones para conocer las aplicaciones de la visión artificial en la agricultura y la IA en la logística. Consulta nuestras opciones de licencia para empezar hoy mismo a crear tu propio modelo de visión artificial.