Bounding Box

Un cuadro delimitador es una región rectangular definida por un conjunto de coordenadas que encierra un objeto concreto dentro de una imagen o un fotograma de vídeo. En el ámbito de la visión artificial (CV), estos cuadros son las anotaciones fundamentales para enseñar a los sistemas de inteligencia artificial (AI) a localizar y reconocer elementos distintos. En lugar de limitarse a clasificar una imagen completa como «contiene un coche», un cuadro delimitador permite al modelo señalar la ubicación exacta y la extensión espacial del coche, separándolo del fondo y de otras entidades. Esta capacidad de localización es esencial para las tareas de detección de objetos, cuyo objetivo es identificar varios objetos simultáneamente con gran precisión.

Conceptos básicos y coordenadas#

Para procesar datos visuales de forma eficaz, los modelos de aprendizaje automático (ML) utilizan sistemas de coordenadas específicos para representar matemáticamente los cuadros delimitadores. El formato elegido suele determinar cómo se preparan los datos para el entrenamiento del modelo y cómo presenta el modelo sus predicciones.

• Coordenadas XYXY: Este formato define un cuadro mediante los valores absolutos en píxeles de la esquina superior izquierda y la esquina inferior derecha. Es intuitivo para herramientas de visualización como OpenCV o Matplotlib cuando se dibujan rectángulos directamente sobre las imágenes.
• Formato XYWH: Este método especifica un punto de referencia seguido del ancho y el alto del cuadro. Las anotaciones de COCO utilizan la esquina superior izquierda, mientras que las etiquetas YOLO emplean el centro del objeto. Esta representación es fundamental para calcular las funciones de pérdida durante el aprendizaje.
• Coordenadas normalizadas: Para garantizar la escalabilidad entre imágenes de distintas resoluciones, las coordenadas suelen ajustarse a un intervalo de 0 a 1. Esto ayuda a los modelos a generalizar mejor al analizar entradas de diferentes dimensiones.

Aplicaciones en el mundo real#

Los cuadros delimitadores son los componentes básicos de innumerables soluciones de IA en diversos sectores. Al permitir una localización precisa, ayudan a los sistemas a interactuar de forma inteligente con el mundo físico.

• Vehículos autónomos: Los coches autónomos utilizan cuadros delimitadores para detectar y seguir peatones, otros vehículos, señales de tráfico y obstáculos en tiempo real. Esta percepción espacial es fundamental para que los sistemas de navegación y seguridad tomen decisiones en fracciones de segundo.
• Analítica en el comercio minorista: En las tiendas inteligentes, los cuadros delimitadores ayudan a supervisar el inventario de las estanterías y a seguir las interacciones de los clientes con los productos. Estos datos pueden automatizar la reposición de existencias y ofrecer información sobre el comportamiento de los compradores sin necesidad de hacer recuentos manuales.

Cuadros delimitadores en acción#

Al utilizar arquitecturas modernas como YOLO26, el modelo predice cuadros delimitadores junto con una etiqueta de clase y una puntuación de confianza. El siguiente ejemplo muestra cómo ejecutar una inferencia en una imagen y acceder a las coordenadas de los cuadros delimitadores con el paquete ultralytics.

from ultralytics import YOLO

# Carga el modelo YOLO26
model = YOLO("yolo26n.pt")

# Ejecuta la inferencia en una imagen
results = model("https://ultralytics.com/images/bus.jpg")

# Accede a las coordenadas de la caja delimitadora (formato xyxy) del primer objeto detectado
boxes = results[0].boxes
print(boxes.xyxy[0])  # Output: tensor([x1, y1, x2, y2])

Términos relacionados y diferencias#

Aunque las cajas delimitadoras son el estándar para la detección general, son distintas de otros tipos de anotación utilizados en tareas más granulares.

• Segmentación de instancias: A diferencia de una caja delimitadora rectangular, la segmentación crea una máscara precisa a nivel de píxel que sigue el contorno exacto de un objeto. Resulta útil cuando la forma precisa es más importante que la ubicación general.
• Caja delimitadora orientada (OBB): Las cajas delimitadoras estándar están alineadas con los ejes (son rectángulos verticales). Las OBB pueden girar para ajustarse a objetos inclinados, como barcos en imágenes de satélite o paquetes en una cinta transportadora, lo que proporciona un ajuste más preciso y reduce el ruido de fondo.
• Puntos clave: En lugar de encerrar un objeto, los puntos clave identifican puntos de referencia concretos, como las articulaciones de un cuerpo humano para la estimación de pose.

Herramientas de anotación y gestión#

Crear anotaciones de cajas delimitadoras de alta calidad es un paso fundamental en el flujo de trabajo de ML. La plataforma de Ultralytics simplifica este proceso con herramientas de anotación de datos y gestión de conjuntos de datos. Una anotación adecuada garantiza que los modelos aprendan a distinguir los objetos con precisión y minimiza errores como el sobreajuste o la confusión con el fondo. Durante la inferencia se utilizan técnicas avanzadas como la supresión no máxima (NMS) para perfeccionar estas predicciones eliminando las cajas superpuestas y garantizar que solo quede la detección más precisa de cada objeto.