Gestión inteligente de conjuntos de datos de visión artificial con Ultralytics Platform

La IA de visión, o la visión artificial, ha avanzado mucho desde sus inicios y ha evolucionado de la investigación experimental a una tecnología clave para aplicaciones del mundo real. Hoy en día, los entusiastas de la IA pueden crear modelos potentes para tareas como la detección de objetos y la segmentación de instancias utilizando herramientas y frameworks accesibles.

Sin embargo, a medida que estas aplicaciones pasan de la experimentación a producción, la gestión de datasets sigue siendo un desafío crítico y a menudo ignorado. A medida que los datasets de visión artificial crecen en tamaño y complejidad, los equipos suelen tener dificultades para mantener anotaciones coherentes, realizar un seguimiento de los cambios entre versiones y garantizar la calidad general de los datos.

Incluso los modelos más avanzados pueden rendir por debajo de lo esperado en entornos reales si los datos con los que se entrenan están incompletos, desequilibrados o mal gestionados. Esta brecha creciente entre el rendimiento durante el desarrollo y la fiabilidad en el mundo real explica por qué se necesita un enfoque más estructurado para la gestión de datasets.

Otra limitación habitual es que la recopilación de datos, la anotación y el entrenamiento suelen realizarse con herramientas independientes. Un flujo de trabajo fragmentado dificulta la gestión eficiente de los datasets, aumenta el riesgo de incoherencias y ralentiza la iteración.

Para resolver los cuellos de botella de la IA de visión, como la gestión de datasets y los flujos de trabajo fragmentados, hace poco lanzamos Ultralytics Platform. Es un espacio de trabajo integral que reúne la gestión de datasets, la anotación, el entrenamiento, el despliegue y la monitorización en un único flujo de trabajo unificado.

Al conectar cada etapa del ciclo de vida de la visión artificial, resulta más fácil realizar un seguimiento de los cambios en los datasets, comparar el rendimiento entre versiones y perfeccionar continuamente los datos para obtener mejores resultados.

Fig. 1. Ejemplo de visualización de las imágenes de tu dataset en Ultralytics Platform (Fuente)

En este artículo veremos cómo Ultralytics Platform te ayuda a realizar un seguimiento de tus datasets, compararlos y mejorarlos para crear modelos de visión artificial más fiables. ¡Empecemos!

La importancia de la gestión de datasets en la visión artificial#

El rendimiento de un modelo de visión artificial está estrechamente relacionado con los datos con los que se entrena. La precisión del modelo, es decir, la frecuencia con la que sus predicciones son correctas, depende no solo del algoritmo, sino también de hasta qué punto el dataset representa las condiciones del mundo real.

En pocas palabras, un modelo aprende patrones directamente de los datos, por lo que cualquier carencia, sesgo o incoherencia del dataset puede influir en la forma en que realiza sus predicciones. Dicho de otro modo, los datos de baja calidad, las anotaciones incorrectas o la cobertura limitada de las variaciones del mundo real en las imágenes, como diferentes condiciones de iluminación, ángulos de los objetos, fondos o grados de oclusión, pueden reducir significativamente la precisión, aunque la arquitectura del modelo sea sólida.

Esto también se aplica al ajustar un modelo, cuando un modelo preentrenado recibe entrenamiento adicional con datos nuevos o actualizados para adaptarlo mejor a un caso de uso o entorno específico. Dado que la precisión del modelo depende tanto de los datos, es esencial gestionarlos correctamente.

La gestión de datasets incluye organizar, etiquetar y actualizar continuamente los datos para que sigan siendo precisos y relevantes. Esto facilita la mejora del rendimiento con el tiempo, especialmente al volver a entrenar o ajustar modelos con datos nuevos.

Cómo afecta la calidad de los datasets a la fiabilidad en el mundo real#

Los casos de uso de visión artificial, como los sistemas de monitorización de seguridad, son un ejemplo perfecto de por qué una gestión adecuada de los datos es esencial. Estos sistemas deben funcionar de forma fiable en una amplia variedad de condiciones reales, incluidos distintos entornos de iluminación, ángulos de cámara, niveles de aglomeración y oclusiones parciales.

Si los datos de entrenamiento no cubren estas variaciones o no ofrecen diversidad en la forma en que aparecen los objetos en distintas escenas y condiciones, el modelo puede tener dificultades para detectar objetos con precisión. Por ejemplo, un modelo entrenado principalmente con escenas bien iluminadas y despejadas puede rendir mal en entornos con poca luz o muy concurridos. En los sistemas de seguridad, esto puede provocar que no se detecten eventos o que se generen alertas falsas.

Para evitarlo, es importante mantener datasets que no solo estén limpios y correctamente etiquetados, sino que también estén bien equilibrados y se actualicen continuamente. Esto implica identificar carencias en los datos, añadir ejemplos nuevos a medida que cambian las condiciones y asegurarse de que las distintas clases y entornos estén representados de forma equilibrada.

Con un dataset más completo y estructurado, los modelos están mejor preparados para gestionar la variabilidad del mundo real y generar predicciones más fiables.

Aspectos clave de la gestión de datasets#

Entonces, ¿cómo es realmente la gestión de datasets? Consiste en organizar, etiquetar y mantener los datos para poder utilizarlos eficazmente durante todo el proceso de desarrollo del modelo.

Por ejemplo, organizar los datos incluye estructurar el dataset y dividirlo en conjuntos de entrenamiento, validación y prueba. El conjunto de entrenamiento se utiliza para enseñar al modelo, el conjunto de validación para monitorizar el rendimiento y orientar los ajustes durante el desarrollo, y el conjunto de prueba para evaluar el rendimiento del modelo final con datos completamente desconocidos.

Por su parte, etiquetar implica anotar las imágenes con información como etiquetas de clase, cuadros delimitadores o máscaras de segmentación. Puesto que el modelo aprende de estas anotaciones, la precisión y la coherencia son fundamentales para ayudarle a aprender patrones significativos y realizar predicciones fiables.

Además, mantener el dataset implica revisar y actualizar los datos con el tiempo. Esto puede incluir corregir errores de anotación, eliminar datos de baja calidad o duplicados y añadir ejemplos nuevos para cubrir casos que faltan o condiciones cambiantes.

En términos generales, la gestión de datasets es un proceso continuo. A medida que se evalúan los modelos y se recopilan datos nuevos, los datasets deben actualizarse para reflejar las condiciones del mundo real y los casos extremos. Realizar un seguimiento de estas actualizaciones y comparar distintas versiones ayuda a los equipos a entender qué mejora el rendimiento y dónde son necesarios más cambios.

Gestión de datasets con Ultralytics Platform#

Ultralytics Platform proporciona un flujo de trabajo estructurado para gestionar datasets en un único entorno, desde la preparación de los datos hasta la exportación. Está diseñada para dar soporte tanto a desarrolladores individuales como a equipos, facilitando la gestión coherente de los datasets, tanto si trabajas por tu cuenta como si colaboras en distintos proyectos.

Cada etapa está diseñada para simplificar la forma en que los datasets se organizan, procesan y utilizan durante todo el ciclo de vida del desarrollo del modelo. Al reunir estos pasos en un solo lugar, la plataforma reduce la fragmentación y facilita el mantenimiento de la coherencia entre flujos de trabajo.

A continuación, repasaremos los pasos clave y cómo la plataforma facilita cada uno de ellos.

Carga de datasets en Ultralytics Platform#

Empezar a trabajar con datasets en la plataforma es flexible, ya que ofrece varias formas de incorporar o reutilizar datos. Puedes cargar tus propios datos o empezar más rápido utilizando datasets públicos disponibles en la plataforma. También puedes clonar datasets existentes compartidos por la comunidad y desarrollarlos.

Las funciones comunitarias de la plataforma facilitan la exploración y reutilización del trabajo existente. Gracias al acceso a datasets creados por otros usuarios, que incluyen millones de imágenes y anotaciones, puedes empezar rápidamente sin tener que recopilar y etiquetar todo por tu cuenta. Al clonar un dataset se crea una copia en tu espacio de trabajo, lo que te permite modificarlo y ampliarlo mientras conservas el original.

Para las cargas, la plataforma admite imágenes individuales, vídeos y archivos de datasets, como ZIP, TAR o GZ. También admite formatos de datasets muy utilizados, como YOLO y COCO, lo que facilita importar datasets y anotaciones existentes sin conversiones adicionales. Además, puedes cargar un dataset mediante un archivo NDJSON exportado desde la plataforma, lo que permite recrear o reutilizar datasets fácilmente entre proyectos.

Una vez cargados, los datos se procesan mediante una canalización estructurada. Esto incluye validar los formatos y tamaños de los archivos, cambiar el tamaño de las imágenes cuando es necesario, analizar las anotaciones y generar estadísticas del dataset.

Por ejemplo, los vídeos se convierten en fotogramas para poder utilizarlos en el entrenamiento, mientras que las imágenes se optimizan y preparan para facilitar su navegación y análisis. Tras el procesamiento, los datasets están listos para la anotación, el análisis y el entrenamiento de modelos dentro de la plataforma.

Anotación de datos en Ultralytics Platform#

Una vez cargados, los datasets se pueden revisar y anotar directamente en la plataforma. La plataforma incluye herramientas integradas de anotación de imágenes para distintas tareas de visión artificial, como detección de objetos, segmentación de instancias, estimación de poses, detección de cuadros delimitadores orientados (OBB) y clasificación de imágenes.

Fig. 2. Uso de Ultralytics Platform para etiquetar datos (Fuente)

Las anotaciones se pueden crear manualmente con estas herramientas o acelerar mediante funciones asistidas por IA, como la anotación inteligente basada en SAM. Con SAM, puedes generar máscaras, cuadros delimitadores o cuadros orientados interactuando con la imagen, lo que ayuda a agilizar el proceso de etiquetado sin perder precisión.

Análisis de la calidad de los datasets mediante Ultralytics Platform#

Además de preparar y anotar los datos, comprender la calidad del dataset es esencial para crear modelos de visión artificial fiables. Sin una visibilidad clara de factores como la distribución de clases, la calidad de las anotaciones, las divisiones del dataset y la forma en que se representan los datos en distintas condiciones, puede resultar difícil detectar problemas que afecten al rendimiento del modelo.

Ultralytics Platform incluye funciones integradas para ayudarte a analizar datasets de forma más eficaz. Estas perspectivas están disponibles directamente en la interfaz del dataset, en pestañas como Imágenes, Clases y Gráficos.

En la pestaña Gráficos, puedes consultar estadísticas del dataset, como la distribución de las divisiones (entrenamiento, validación y prueba), la frecuencia de las clases y los mapas de calor de anotaciones que muestran dónde aparecen los objetos dentro de las imágenes.

La pestaña Clases ofrece un desglose del número de anotaciones por clase, lo que facilita detectar desequilibrios entre clases. Mientras tanto, la pestaña Imágenes muestra detalles a nivel de imagen, como las dimensiones, el número de anotaciones y la distribución de las etiquetas en cada imagen.

Estas perspectivas facilitan la identificación de problemas como el desequilibrio entre clases, la ausencia de determinados escenarios o una distribución desigual de los datos. Por ejemplo, podrías observar que algunas clases tienen muy pocos ejemplos o que la mayoría de las anotaciones se concentran en zonas concretas de una imagen.

Además del análisis de datos, la plataforma permite depurar y aumentar datasets, es decir, perfeccionarlos corrigiendo o eliminando datos problemáticos y creando variaciones de los datos existentes para mejorar el rendimiento del modelo. Estas mejoras se pueden realizar directamente en la plataforma actualizando anotaciones, añadiendo datos nuevos o reorganizando las divisiones del dataset según las conclusiones del análisis.

Exportación de datasets desde Ultralytics Platform#

Una vez preparado y validado un dataset, se puede exportar para utilizarlo en distintos entornos. Esto te ofrece la flexibilidad de usar tus datos de visión artificial donde prefieras, ya sea para entrenar modelos localmente, en la nube o en otras herramientas y flujos de trabajo.

Ultralytics Platform admite varios formatos de exportación, incluidos YOLO, COCO y NDJSON, lo que facilita la integración de datasets en distintas herramientas y flujos de trabajo de entrenamiento.

Fig. 3. Exportación de un dataset desde Ultralytics Platform (Fuente)

Exportar un dataset crea una instantánea fija de los datos en un momento concreto, incluidas sus imágenes, anotaciones y estructura. Esto resulta útil porque los datasets suelen cambiar a medida que se añaden datos nuevos, se actualizan anotaciones o se ajustan las divisiones. Al exportar una instantánea, puedes conservar la versión exacta del dataset utilizada en una ejecución de entrenamiento concreta.

Esto simplifica la reproducción de resultados más adelante, ya que puedes volver a entrenar un modelo con la misma configuración de datos y comparar el rendimiento entre distintas versiones del dataset. Por ejemplo, puedes evaluar si añadir imágenes nuevas o corregir anotaciones mejora realmente la precisión del modelo, en lugar de tener que adivinar qué ha cambiado.

Las exportaciones se gestionan de forma asíncrona y, una vez listas, los datasets se pueden descargar y utilizar en entornos de entrenamiento locales, en la nube o sin conexión.

Mejora de la calidad de los datasets mediante iteraciones en Ultralytics Platform#

En los flujos de trabajo de aprendizaje automático y aprendizaje profundo, la gestión de datasets continúa incluso después del despliegue, porque los datos del mundo real suelen diferir de los utilizados durante el entrenamiento.

A medida que los modelos reciben nuevas entradas, se hacen más evidentes las carencias del dataset, como la falta de condiciones de poca luz, distintos ángulos de cámara, oclusiones o escenas concurridas, así como los errores de anotación, por lo que es necesario perfeccionar los datos con el tiempo.

Hay varias formas de mejorar un dataset. Puedes añadir imágenes o vídeos nuevos para cubrir condiciones que faltan, como entornos con poca luz, distintos ángulos de cámara, oclusiones o escenas concurridas, lo que ayuda a reducir los puntos ciegos de los datos.

Al mismo tiempo, asegurarte de que las anotaciones sean precisas y coherentes, por ejemplo, que los objetos estén correctamente etiquetados y que los cuadros delimitadores o las máscaras sean precisos, ayuda al modelo a aprender patrones más fiables.

Normalmente, esto sigue un ciclo sencillo: entrena el modelo, evalúa los resultados, identifica los errores, mejora el dataset y vuelve a entrenar. Cada paso ayuda a poner de manifiesto problemas como anotaciones incorrectas, datos ausentes o casos infrarrepresentados.

Imagina que estás trabajando en un sistema de monitorización de estanterías de tiendas en tiempo real para detectar productos. Las primeras versiones del dataset podrían no incluir determinados tipos de productos, condiciones de iluminación o configuraciones de estanterías abarrotadas. Durante la evaluación, podrías observar que el modelo tiene dificultades para detectar artículos en estas situaciones.

Para mejorar el rendimiento, puedes recopilar imágenes nuevas que cubran estos escenarios ausentes y actualizar las anotaciones cuando sea necesario. Con el tiempo, repetir este proceso ayuda al modelo a ser más preciso y fiable en condiciones reales.

Ultralytics Platform facilita este flujo de trabajo al conectar las actualizaciones de los datasets con el entrenamiento y la evaluación. Gracias al seguimiento integrado de experimentos y a las métricas de rendimiento, resulta más fácil supervisar el progreso y mejorar continuamente los datasets.

Seguimiento de los cambios en datasets mediante Ultralytics Platform#

Hemos comentado brevemente cómo evolucionan los datasets con el tiempo como parte del proceso de desarrollo del modelo. A medida que se añaden datos nuevos, se perfeccionan las anotaciones y se actualizan las clases, realizar un seguimiento de estos cambios se vuelve fundamental para mantener la calidad de los datos y garantizar un rendimiento coherente del modelo.

Estas son algunas de las funciones clave de Ultralytics Platform que permiten realizar un seguimiento de los datasets y controlar sus versiones:

• Control de versiones de datasets: Puedes crear versiones fijas de datasets como instantáneas NDJSON. Cada versión registra detalles clave, como el número de imágenes, clases y anotaciones, así como el tamaño del dataset en un momento concreto. Estas versiones se almacenan y se pueden descargar más adelante, lo que facilita reproducir experimentos y comparar resultados entre distintos estados del dataset.
• Pestaña Versiones: Todas las versiones de los datasets se organizan en la pestaña Versiones, donde puedes consultar el historial de versiones, añadir descripciones a los cambios y realizar un seguimiento de la evolución del dataset.
• Vinculación con modelos: La pestaña Modelos muestra todos los modelos entrenados con un dataset, incluidas métricas como mAP y detalles del entrenamiento. Las versiones de los datasets están vinculadas a las ejecuciones de entrenamiento, lo que te ayuda a entender cómo afectan los cambios en los datos al rendimiento del modelo.
• Pestaña Errores: La pestaña Errores destaca los archivos que han fallado durante el procesamiento, junto con los detalles del error y sugerencias. Esto te permite identificar y corregir problemas como archivos dañados o formatos no compatibles antes del entrenamiento.
• Interfaz del dataset (pestañas Imágenes y Clases): Estas vistas te permiten explorar imágenes, revisar anotaciones, gestionar etiquetas de clase y analizar la distribución de clases. Funciones como filtrar, ordenar e identificar imágenes sin anotar simplifican la supervisión de la calidad del dataset con el tiempo.
• Estadísticas y gráficos: Las visualizaciones de datos integradas, como la distribución de las divisiones, la frecuencia de las clases y los mapas de calor de anotaciones, ayudan a realizar un seguimiento de los cambios en la distribución de los datos e identificar desequilibrios a medida que evoluciona el dataset.

Fig. 4. Vista del análisis de la distribución de clases de un dataset en Ultralytics Platform (Fuente)

Conexión de los datasets con el entrenamiento y el despliegue en Ultralytics Platform#

Ultralytics Platform conecta las distintas etapas del desarrollo de modelos de IA en una única canalización. Esto agiliza el proceso de pasar de datos sin procesar a aplicaciones de IA de visión listas para producción.

Una vez preparados y anotados, los datasets se pueden utilizar para entrenar modelos de visión artificial, como Ultralytics YOLO26, directamente en la plataforma. Durante el entrenamiento, puedes supervisar las métricas de rendimiento, realizar un seguimiento de los experimentos y evaluar hasta qué punto está aprendiendo el modelo mediante paneles integrados.

Fig. 5. Vista de las métricas de entrenamiento de un modelo en Ultralytics Platform (Fuente)

Después del entrenamiento, los modelos se pueden probar con imágenes nuevas directamente en el navegador para evaluar las predicciones e identificar áreas de mejora antes del despliegue. Cuando el modelo funciona bien, se puede desplegar en producción.

La plataforma permite exportar modelos a varios formatos o desplegarlos mediante servicios de inferencia y endpoints específicos, lo que permite ejecutarlos en distintos entornos.

Una vez desplegados, las herramientas de monitorización integradas ayudan a realizar un seguimiento del rendimiento del sistema a lo largo del tiempo, incluidas las métricas relacionadas con el uso y el comportamiento del modelo. Esto facilita el mantenimiento y la mejora de los sistemas de IA de visión en aplicaciones del mundo real.

Buenas prácticas para la gestión de datasets con Ultralytics Platform#

Estos son algunos factores clave que debes tener en cuenta al gestionar tus datasets con Ultralytics Platform:

• Usa filtros para encontrar carencias: Identifica datos sin etiquetar o infrarrepresentados mediante herramientas de filtrado, para completar las anotaciones y mejorar la cobertura con mayor facilidad.
• Corrige los errores pronto: Utiliza la pestaña Errores para el control de calidad y detectar cargas fallidas, archivos dañados o formatos no compatibles antes del entrenamiento.
• Actualiza continuamente los datasets: Añade datos nuevos, corrige anotaciones e incluye casos extremos cuando aparezcan. Esto ayuda a mejorar la cobertura y garantiza que los modelos rindan de forma fiable en escenarios reales.
• Gestiona cuidadosamente las divisiones del dataset: Garantiza un buen equilibrio entre los conjuntos de entrenamiento, validación y prueba. Puedes reorganizar las divisiones manualmente o utilizar la redistribución automática cuando sea necesario.

Para obtener más información sobre Ultralytics Platform, consulta la documentación oficial de Ultralytics.

Conclusiones clave#

A medida que los proyectos de visión artificial crecen, gestionar los datasets de forma eficaz se vuelve tan importante como desarrollar el modelo. Un enfoque estructurado para la gestión de datasets ayuda a mejorar la calidad de los datos, agilizar los flujos de trabajo y favorecer un mejor rendimiento de los modelos con el tiempo.

Ultralytics Platform simplifica este proceso al reunir la gestión de datasets, el entrenamiento y el despliegue en un único flujo de trabajo. Al adoptar un enfoque estructurado para la gestión de datasets, los equipos pueden reducir la complejidad, mejorar la eficiencia y crear sistemas de visión artificial más escalables y fiables.

Únete a nuestra creciente comunidad y explora nuestro repositorio de GitHub para acceder a recursos de IA. Para desarrollar aplicaciones 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 la sanidad está dando forma al futuro visitando nuestras páginas de soluciones.