Cabezal de Detección

Un cabezal de detección actúa como la capa final de toma de decisiones en una arquitectura de red neuronal de detección de objetos . Mientras que las capas anteriores del modelo se encargan de comprender las formas, texturas y características de una imagen, el cabezal de detección es el componente específico que interpreta esta información para predecir exactamente qué objetos están presentes y dónde se encuentran. Transforma los datos abstractos de alto nivel producidos por el extractor de características en resultados procesables, generando normalmente un conjunto de cuadros delimitadores que encierran los objetos identificados junto con sus correspondientes etiquetas de clase y puntuaciones de confianza.

Distinguir la cabeza de la columna vertebral y el cuello

Para comprender plenamente la función de un cabezal de detección, resulta útil visualizar los detectores modernos como compuestos por tres etapas principales, cada una de las cuales cumple una función distinta en el proceso de visión por ordenador (CV):

• Backbone: Es la parte inicial de la red, a menudo una red neuronal convolucional (CNN) como ResNet o CSPNet. Procesa la imagen de entrada sin procesar para crear mapas de características que representan patrones visuales.
• Cuello: situado entre la columna vertebral y la cabeza, el cuello refina y combina características de diferentes escalas. Arquitecturas como la red piramidal de características (FPN) garantizan que el modelo pueda detect de diferentes tamaños mediante la agregación de contexto.
• Cabeza: El componente final que consume las características refinadas del cuello. Realiza la tarea real de clasificación (¿qué es?) y regresión (¿dónde está?).

Evolución: basado en anclajes frente a sin anclajes

El diseño de los cabezales de detección ha evolucionado significativamente para mejorar la velocidad y la precisión, sobre todo con la transición de los métodos tradicionales a los modernos modelos de inferencia en tiempo real.

• Cabezas basadas en anclajes: Los detectores de objetos tradicionales de una sola etapa se basaban en cuadros de anclajepredefinidos, formas de referencia fijas de varios tamaños. La cabeza predecía cuánto estirar o desplazar estos anclajes para ajustarse al objeto. Este enfoque se detalla en la investigación fundamental sobre Faster R-CNN.
• Cabezas sin anclaje: Los modelos más avanzados, incluido el último YOLO26, utilizan detectores sin anclaje. Estas cabezas predicen los centros y las dimensiones de los objetos directamente a partir de los píxeles de los mapas de características, lo que elimina la necesidad de ajustar manualmente el anclaje . Esto simplifica la arquitectura y mejora la capacidad del modelo para generalizar formas de objetos novedosas, una técnica que a menudo se asocia con detección de objetos en una sola etapa totalmente convolucional (FCOS).

Aplicaciones en el mundo real

La precisión del cabezal de detección es fundamental para implementar la inteligencia artificial (IA) en entornos industriales y críticos para la seguridad. Los usuarios pueden anotar fácilmente los datos y entrenar estos cabezales especializados utilizando la Ultralytics .

• Conducción autónoma: en la IA para automoción, el cabezal de detección se encarga de distinguir entre peatones, semáforos y otros vehículos en tiempo real. Un cabezal altamente optimizado garantiza que la latencia de inferencia se mantenga lo suficientemente baja como para que el vehículo reaccione al instante.
• Diagnóstico médico: En el análisis de imágenes médicas, los cabezales de detección se ajustan con precisión para localizar anomalías como tumores en resonancias magnéticas. La rama de regresión debe ser extremadamente precisa para delinear los límites exactos de una lesión, ayudando a los médicos en soluciones sanitarias.

Ejemplo de código

El siguiente ejemplo muestra cómo cargar un YOLO26 modelar e inspeccionar la salida de su cabezal de detección. Cuando se ejecuta la inferencia, el cabezal procesa la imagen y devuelve el resultado final. boxes que contiene coordenadas e identificadores de clase.

from ultralytics import YOLO

# Load the YOLO26n model (nano version)
model = YOLO("yolo26n.pt")

# Run inference on an image to utilize the detection head
results = model("https://ultralytics.com/images/bus.jpg")

# The detection head outputs are stored in results[0].boxes
for box in results[0].boxes:
    # Print the bounding box coordinates and the predicted class
    print(f"Class: {int(box.cls)}, Coordinates: {box.xywh.numpy()}")

Esta interacción destaca cómo el cabezal de detección traduce las activaciones complejas de la red neuronal en datos legibles que los desarrolladores pueden utilizar para tareas posteriores, como el seguimiento o el recuento de objetos.