¿Qué es la segmentación de instancias? Guía rápida

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

Muchas de estas aplicaciones se basan en la detección de objetos, una tarea de visión artificial 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, el diagnóstico por imagen requiere algo más que detectar un tumor: es fundamental delimitar su forma exacta. Del mismo modo, en robótica, las máquinas necesitan reconocer los contornos exactos de un objeto para agarrarlo correctamente. La segmentación de instancias ofrece una solución más precisa a estos retos.

La segmentación de instancias es una tarea de visión artificial diseñada para casos de uso en los que detectar objetos no basta: proporciona precisión a nivel de píxel. Los modelos de visión artificial, como Ultralytics YOLO11, permiten 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, explicaremos cómo funciona la segmentación de instancias, cuáles son sus aplicaciones y cómo entrenar Ultralytics YOLO11 con datos personalizados para tareas de segmentación específicas.

¿Qué es la segmentación de instancias?#

Imagina una foto de grupo de personas muy juntas. La detección de objetos puede ayudarte a dibujar cuadros alrededor de cada persona, pero no te indica su forma exacta.

La segmentación de instancias, en cambio, es como trazar cuidadosamente el contorno de cada persona para ver su silueta completa, incluso si se solapan. En lugar de limitarse a señalar 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 con exactitud qué píxeles le pertenecen. Este nivel de precisión resulta útil en muchas aplicaciones reales en las que es importante comprender la forma y los límites exactos de los objetos.

Fig. 2. Se muestra la compatibilidad de Ultralytics YOLO11 con la segmentación de instancias.

Segmentación de instancias frente a segmentación semántica#

Al explorar la segmentación de instancias, quizá te encuentres con el concepto de segmentación semántica.

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

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 se limitaría a etiquetarlo todo como «coche», sino que reconocería y delimitaría cada coche de forma individual.

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

Si necesitas ayuda para decidir qué tarea requiere tu proyecto, consulta segmentación semántica frente a segmentación de instancias: cómo elegir.

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

Modelos populares de segmentación de instancias#

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

Aunque estas opciones son útiles, cabe preguntarse cuál es la más adecuada para cada tarea. 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 marcos de trabajo como PyTorch, lo que hizo que la IA visual avanzada estuviera al alcance de 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 artificial como la segmentación de instancias, la estimación de poses y la clasificación de imágenes.

Ultralytics YOLO11 —al que sucedió Ultralytics YOLO26— llevó el rendimiento aún más lejos. Alcanza una precisión media promedio (mAP) superior en el conjunto de datos COCO con un 22 % menos de parámetros que YOLOv8m, lo que significa que reconoce los objetos con mayor precisión y utiliza menos recursos.

Fig. 4. Evaluación comparativa de YOLO11.

En pocas palabras, Ultralytics YOLO11 ofrece una precisión de vanguardia sin renunciar a la eficiencia.

Cómo funciona la segmentación de instancias#

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

Primero, detectan los objetos dibujando recuadros delimitadores a su alrededor. Después, generan una máscara a nivel de píxel para delinear la forma exacta de cada objeto. Un ejemplo conocido es Mask R-CNN, que amplía los modelos de detección de objetos al añadir una etapa de predicción de máscaras. Aunque este método es eficaz, puede ser lento porque procesa la imagen en varias etapas, lo que dificulta las aplicaciones en tiempo real.

Por su parte, 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 en aplicaciones en tiempo real como la conducción autónoma, el análisis de vídeo y la robótica, donde la velocidad y la precisión son fundamentales.

Entrenamiento personalizado de Ultralytics YOLO11 para la segmentación de instancias#

YOLO11 viene listo para usar como 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 Python de Ultralytics admite el entrenamiento personalizado, esencial para aplicaciones especializadas en las que hay que segmentar objetos concretos.

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

Cómo entrenar Ultralytics YOLO11 con datos personalizados#

Aquí tienes un resumen de los pasos para ajustar Ultralytics YOLO11 para la segmentación de instancias:

• Preparación de los datos: Recopila y anota imágenes según los requisitos de tu aplicación. Ultralytics admite varios conjuntos de datos de imágenes, pero también puedes entrenar el modelo con tu propio conjunto de datos si preparas 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 clave del entrenamiento, como el tamaño del lote (imágenes procesadas en cada iteración), el tamaño de imagen (resolución de entrada objetivo) y las épocas (ciclos totales de entrenamiento), y entrena el modelo.
• Evaluación del rendimiento: Cuando termine el entrenamiento, puedes probar la precisión del modelo con métricas de rendimiento como mAP. El paquete Ultralytics Python también incluye funciones para evaluar modelos.

Aplicaciones de la segmentación de instancias con Ultralytics YOLO11#

La segmentación de instancias puede ayudar a resolver retos del mundo real al permitir que las máquinas vean y comprendan los objetos con más 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, permite supervisar maquinaria pesada.

Ultralytics YOLO11 se puede ajustar 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 obra asegurarse de que la maquinaria opere estrictamente dentro de las zonas designadas y no invada áreas donde haya trabajadores o peligros.

Además, integrar estas soluciones con sistemas de alertas en tiempo real permite tomar 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.

Seguimiento 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, ya que identifica y segmenta animales individuales en granjas, zoológicos y hábitats naturales. A diferencia de la detección de objetos tradicional, que utiliza cuadros delimitadores, la segmentación de instancias delimita cada animal a nivel de píxel, lo que resulta especialmente útil cuando los animales están muy próximos.

Una segmentación detallada permite seguir con mayor precisión los movimientos y comportamientos. Es posible distinguir entre animales superpuestos o agrupados muy cerca, lo que facilita un análisis más preciso de sus interacciones, su estado de salud y sus patrones de actividad. En general, comprender mejor el comportamiento animal mejora las prácticas de cuidado y gestión de los animales.

Fig. 6. Supervisión del ganado con segmentación de instancias.

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

El seguimiento preciso de jugadores y eventos es fundamental para el análisis deportivo. Los métodos tradicionales de seguimiento se basan en el etiquetado manual, que puede no captar las interacciones en detalle. La visión artificial permite segmentar a nivel de píxel elementos como cada jugador, el balón y los eventos clave para obtener 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. La supervisión detallada que ofrecen modelos como Ultralytics YOLO11 proporciona a los analistas información más clara para estudiar con precisión los patrones de movimiento, la posición espacial y las interacciones. Una ventaja clave de esta información es que ayuda 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 distintos sectores:

• Mayor automatización: 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 con precisión cada objeto, la segmentación de instancias ayuda a comprender mejor las escenas complejas y permite tomar decisiones más fundamentadas.
• Posprocesamiento eficiente: Los resultados a nivel de píxel simplifican tareas como eliminar fondos, contar objetos y realizar análisis espaciales, reduciendo la necesidad de pasos de procesamiento adicionales.

Aunque estas ventajas muestran el impacto de la segmentación de instancias en distintos casos de uso, también es esencial 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: Es difícil segmentar objetos transparentes o reflectantes, como el vidrio y el agua, lo que da lugar a límites imprecisos.
• Costes de mantenimiento: Para que los modelos sigan siendo precisos y pertinentes, es necesario actualizarlos y ajustarlos continuamente a medida que cambian las condiciones del entorno y los conjuntos de datos.
• Gran esfuerzo de anotación: Entrenar modelos de segmentación de instancias requiere anotaciones detalladas a nivel de píxel, lo que aumenta considerablemente el tiempo y el coste de preparación de los datos.

Conclusiones clave#

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

Los avances recientes en visión artificial han hecho que la segmentación de instancias sea más rápida y fácil de usar. En particular, modelos de visión artificial como Ultralytics YOLO11 simplifican el proceso y permiten segmentar en tiempo real con una configuración mínima, lo que facilita su adopción en distintos sectores y aplicaciones.

¿Te interesa la IA? Visita nuestro repositorio de GitHub y únete a nuestra comunidad para seguir explorando. Descubre innovaciones como la IA en los coches autónomos y la IA visual en la agricultura en nuestras páginas de soluciones. Consulta nuestras opciones de licencia y empieza un proyecto de visión artificial.