¿Qué es la segmentación de instancias? Guía rápida

Las aplicaciones de visión por computador son cada vez más habituales en nuestra vida diaria, desde las cámaras de tráfico que supervisan el estado de las carreteras hasta los sistemas de autopago en las tiendas. Al permitir que las máquinas comprendan los datos visuales de forma similar a los humanos, la IA de visión está teniendo un impacto en diversos sectores.

Muchas de estas aplicaciones se basan en la detección de objetos, una tarea de visión por computador que coloca cuadros delimitadores alrededor de los objetos clave de las imágenes. Aunque este enfoque suele funcionar bien, algunas soluciones de análisis de imágenes necesitan aún más precisión.

Por ejemplo, las imágenes médicas requieren algo más que detectar un tumor: es fundamental delimitar su forma exacta. Del mismo modo, en robótica, las máquinas deben reconocer los contornos exactos de un objeto para agarrarlo correctamente. Para abordar estos retos, la segmentación de instancias ofrece una solución más precisa.

La segmentación de instancias es una tarea de visión por computador diseñada para casos de uso en los que no basta con detectar objetos: proporciona precisión a nivel de píxel. Los modelos de visión por computador como Ultralytics YOLO11 pueden utilizarse para aplicar fácilmente la segmentación de instancias a imágenes y vídeos.

Fig. 1. Ejemplo del uso de YOLO11 para la segmentación de instancias.

En esta guía, analizaremos cómo funciona la segmentación de instancias, sus aplicaciones y cómo se puede entrenar Ultralytics YOLO11 con datos personalizados para tareas de segmentación específicas.

¿Qué es la segmentación de instancias?#

Imagina una foto de grupo en la que varias personas están muy juntas. La detección de objetos puede ayudar a dibujar cuadros alrededor de cada persona, pero no muestra su forma exacta.

La segmentación de instancias, en cambio, es como reseguir cuidadosamente el contorno de cada persona para ver toda su silueta, incluso cuando se solapan. En lugar de limitarse a marcar dónde está algo con un cuadro, identifica la forma exacta de cada objeto a nivel de píxel, lo que facilita la comprensión de imágenes complejas.

El resultado es una máscara detallada que rellena la forma de un objeto e identifica exactamente qué píxeles le pertenecen. Este nivel de precisión resulta útil en muchas aplicaciones del mundo real en las que es importante comprender la forma exacta y los límites de los objetos.

Fig. 2. Ejemplo de la compatibilidad de Ultralytics YOLO11 con la segmentación de instancias.

Segmentación de instancias frente a segmentación semántica#

Al explorar la segmentación de instancias, es posible que encuentres el concepto de segmentación semántica.

Ambas técnicas ayudan a los ordenadores a comprender las imágenes a nivel de píxel, pero tienen objetivos diferentes. La segmentación semántica etiqueta cada píxel según su categoría y agrupa todos los objetos del mismo tipo. Por ejemplo, en una imagen con varios coches, la segmentación semántica marcaría todos como "coche" sin distinguir entre los distintos vehículos.

La segmentación de instancias, en cambio, va un paso más allá al identificar cada objeto por separado. Asigna etiquetas únicas a cada instancia y crea máscaras precisas alrededor de sus formas. Así, en la misma imagen, la segmentación de instancias no etiquetaría simplemente todo como "coche", sino que reconocería y delimitaría cada coche individualmente.

La principal diferencia entre ambas es que la segmentación semántica agrupa los objetos por categoría, mientras que la segmentación de instancias distingue cada objeto como una entidad única con límites claros. La elección de la tarea depende de la aplicación concreta: de si basta con saber qué hay en una imagen o si es importante diferenciar entre objetos individuales.

Fig. 3. Segmentación de instancias frente a segmentación semántica (derecha e izquierda, respectivamente).

Modelos populares de segmentación de instancias#

Actualmente, la comunidad de IA de visión dispone de diversos modelos de segmentación de instancias. Algunos son más rápidos, otros más precisos y otros más fáciles de utilizar.

Aunque estas opciones son útiles, pueden plantear la siguiente pregunta: ¿cuál es la adecuada para una tarea específica? Entre las distintas opciones, los modelos Ultralytics YOLO son bastante populares porque se centran en la velocidad y la precisión.

Además, estos modelos han evolucionado considerablemente con los años. Por ejemplo, Ultralytics YOLOv5 simplificó el despliegue mediante frameworks como PyTorch, haciendo que la IA de visión avanzada fuera accesible para un público más amplio sin necesidad de conocimientos técnicos profundos.

A partir de ese éxito, Ultralytics YOLOv8 introdujo una compatibilidad mejorada con tareas de visión por computador como la segmentación de instancias, la estimación de pose y la clasificación de imágenes.

Ahora, Ultralytics YOLO11 lleva el rendimiento a un nuevo nivel. Alcanza una mayor precisión media promedio (mAP) en el conjunto de datos COCO con un 22 % menos de parámetros que YOLOv8m, lo que significa que puede reconocer objetos con mayor precisión utilizando menos recursos.

Fig. 4. Evaluación comparativa de YOLO11.

En pocas palabras, Ultralytics YOLO11 ofrece una precisión puntera sin renunciar a la eficiencia, lo que supone un cambio importante en este campo.

Comprender cómo funciona la segmentación de instancias#

A continuación, veamos cómo suele funcionar la segmentación de instancias. Los modelos de visión por computador más antiguos utilizan un enfoque de dos pasos.

Primero, detectan los objetos dibujando cuadros delimitadores a su alrededor. Después, generan una máscara a nivel de píxel para delimitar la forma exacta de cada objeto. Un ejemplo conocido es Mask R-CNN, que se basa en modelos de detección de objetos añadiendo un paso de predicción de máscaras. Aunque este método es eficaz, puede ser lento porque procesa la imagen en varias fases, lo que dificulta las aplicaciones en tiempo real.

Por su parte, los modelos como Ultralytics YOLO11 procesan las imágenes de una sola vez y predicen simultáneamente los cuadros delimitadores de los objetos y las máscaras de segmentación de instancias. Este enfoque optimizado es mucho más rápido y mantiene una gran precisión. Por ello, resulta especialmente útil para aplicaciones en tiempo real como la conducción autónoma, el análisis de vídeo y la robótica, en las que tanto la velocidad como la precisión son fundamentales.

Entrenamiento personalizado de Ultralytics YOLO11 para la segmentación de instancias#

De serie, YOLO11 se ofrece como un modelo preentrenado. Se ha entrenado con el conjunto de datos COCO-Seg, que incluye objetos cotidianos para la segmentación de instancias. Sin embargo, el paquete Ultralytics Python admite el entrenamiento personalizado, algo esencial para aplicaciones especializadas en las que es necesario segmentar objetos únicos.

¿Por qué es importante entrenar un modelo con datos personalizados o ajustarlo? El entrenamiento personalizado aprovecha el aprendizaje por transferencia al basarse en los conocimientos ya integrados en los modelos preentrenados. En lugar de empezar desde cero, adapta un modelo existente a nuevas tareas utilizando conjuntos de datos más pequeños y menos recursos informáticos, manteniendo una gran precisión.

Cómo entrenar Ultralytics YOLO11 con datos personalizados#

Veamos más de cerca los pasos necesarios para ajustar Ultralytics YOLO11 para la segmentación de instancias:

• Preparación de los datos: Recopila y anota imágenes según los requisitos de tu aplicación específica. Ultralytics es compatible con varios conjuntos de datos de imágenes, pero también puedes entrenar con tu propio conjunto de datos preparando las imágenes y las anotaciones en el formato YOLO requerido.
• Uso de un modelo preentrenado: En lugar de empezar desde cero, utiliza un modelo Ultralytics YOLO11 preentrenado.
• Entrenamiento del modelo: Ajusta parámetros de entrenamiento esenciales como el tamaño del lote (imágenes procesadas en cada iteración), el tamaño de imagen (resolución de entrada objetivo) y las épocas (ciclos de entrenamiento totales), y entrena el modelo.
• Evaluación del rendimiento: Cuando termine el entrenamiento del modelo, puedes probar su precisión utilizando métricas de rendimiento como mAP. El paquete Ultralytics Python también proporciona funciones integradas para evaluar el modelo.

Aplicaciones de segmentación de instancias habilitadas por Ultralytics YOLO11#

La segmentación de instancias puede utilizarse para resolver retos del mundo real, ayudando a las máquinas a ver y comprender los objetos con mayor precisión. Desde mejorar la automatización hasta proteger el medio ambiente, desempeña un papel clave en muchos ámbitos. Veamos algunos ejemplos de su impacto.

Seguridad y supervisión de obras con Ultralytics YOLO11#

La segmentación de instancias puede ser fundamental para garantizar la seguridad y la eficiencia en las obras. Por ejemplo, puede utilizarse para supervisar maquinaria pesada.

Ultralytics YOLO11 puede ajustarse para segmentar e identificar con precisión distintos tipos de equipos, como grúas, excavadoras y bulldozers, y hacer un seguimiento de sus posiciones en tiempo real. Esto permite a los responsables de la obra asegurarse de que la maquinaria opera estrictamente dentro de las zonas designadas y no invade áreas donde haya trabajadores o existan peligros.

Además, integrar estas soluciones con sistemas de alertas en tiempo real permite adoptar rápidamente medidas correctivas. Asimismo, la información recopilada puede ayudar a optimizar la distribución y el flujo de trabajo de la obra, reduciendo aún más los riesgos y aumentando la productividad.

Fig. 5. Supervisión de maquinaria pesada con Ultralytics YOLO11.

Supervisión de animales con segmentación y Ultralytics YOLO11#

La supervisión del comportamiento animal ayuda a investigadores, ganaderos y conservacionistas a cuidar mejor de los animales en distintos entornos. La segmentación de instancias desempeña un papel útil en estos sistemas al identificar y segmentar animales individuales en granjas, zoológicos y hábitats naturales. A diferencia de la detección de objetos tradicional, que utiliza cuadros delimitadores, la segmentación de instancias proporciona una delimitación a nivel de píxel de cada animal, algo especialmente útil cuando están muy próximos entre sí.

La segmentación detallada facilita un seguimiento más preciso de los movimientos y comportamientos. Los animales que se solapan o están muy agrupados pueden reconocerse de forma diferenciada, lo que permite analizar con mayor precisión sus interacciones, su estado de salud y sus patrones de actividad. En conjunto, una comprensión más profunda del comportamiento animal mejora las prácticas de cuidado y gestión de los animales.

Fig. 6. Supervisión de ganado mediante segmentación de instancias.

Ultralytics YOLO11 en el análisis deportivo y el seguimiento de jugadores#

El seguimiento preciso de jugadores y eventos es una parte fundamental del análisis deportivo. Los métodos de seguimiento tradicionales se basan en el etiquetado manual, que puede no capturar interacciones detalladas. La visión por computador puede utilizarse para segmentar a nivel de píxel detalles como cada jugador, el balón y los eventos clave, obteniendo información detallada.

Por ejemplo, la segmentación de instancias puede ayudar a detectar eventos como faltas o incidentes sin balón al separar claramente a cada jugador y objeto. Esta supervisión granular, habilitada por modelos como Ultralytics YOLO11, ofrece a los analistas información más clara para estudiar patrones de movimiento, posicionamiento espacial e interacciones con gran precisión. Una ventaja clave de estos datos es que ayudan a los equipos a perfeccionar sus estrategias y mejorar su rendimiento general.

Ventajas e inconvenientes de la segmentación de instancias#

Estas son algunas de las principales ventajas que la segmentación de instancias puede aportar a diversos sectores:

• Automatización mejorada: Al automatizar tareas como el control de calidad y la supervisión de la seguridad, la segmentación de instancias reduce la necesidad de intervención manual y minimiza los errores humanos.
• Mejor comprensión de la escena: Al delimitar cada objeto con precisión, la segmentación de instancias contribuye a una comprensión más profunda de escenas complejas y favorece una toma de decisiones más informada.
• Posprocesamiento eficiente: La salida a nivel de píxel simplifica tareas como la eliminación del fondo, el recuento de objetos y el análisis espacial, reduciendo la necesidad de pasos de procesamiento adicionales.

Aunque estas ventajas ponen de relieve el impacto de la segmentación de instancias en distintos casos de uso, también es fundamental tener en cuenta los retos que plantea su implementación.

Estas son algunas de las principales limitaciones de la segmentación de instancias:

• Dificultades con la transparencia: Segmentar objetos transparentes o reflectantes, como el cristal y el agua, resulta difícil y puede generar límites imprecisos.
• Costes de mantenimiento: Para mantener la precisión y la relevancia de los modelos, es necesario actualizarlos y ajustarlos continuamente a medida que cambian las condiciones ambientales y los conjuntos de datos.
• Gran esfuerzo de anotación: El entrenamiento de modelos de segmentación de instancias requiere anotaciones detalladas a nivel de píxel, lo que aumenta considerablemente el tiempo y el coste de la preparación de los datos.

Conclusiones clave#

La segmentación de instancias permite distinguir objetos individuales con precisión, incluso cuando se solapan. Al capturar los límites de los objetos a nivel de píxel, proporciona una comprensión más profunda de los datos visuales que las tareas tradicionales de visión por computador, como la detección de objetos.

Los avances recientes en visión por computador han hecho que la segmentación de instancias sea más rápida y fácil de utilizar. En particular, los modelos de visión por computador como Ultralytics YOLO11 simplifican el proceso y permiten realizar segmentación en tiempo real con una configuración mínima, haciéndola más accesible para diversos sectores y aplicaciones.

¿Te interesa la IA? Visita nuestro repositorio de GitHub y conecta con nuestra comunidad para seguir explorando. Descubre innovaciones como la IA en los coches autónomos y la IA de visión en la agricultura en nuestras páginas de soluciones. Consulta nuestras opciones de licencia y empieza tu proyecto de visión por computador.