Image Segmentation

La segmentación de imágenes es una técnica sofisticada en computer vision (CV) que consiste en dividir una imagen digital en varios subgrupos de píxeles, a menudo denominados segmentos o regiones de imagen. A diferencia de la image classification estándar, que asigna una única etiqueta a toda una imagen, la segmentación analiza los datos visuales a un nivel mucho más detallado al asignar una etiqueta de clase específica a cada píxel individual. Este proceso crea un mapa preciso a nivel de píxel, lo que permite a los modelos de artificial intelligence (AI) comprender no solo qué objetos están presentes, sino exactamente dónde se encuentran y cuáles son sus límites específicos.

La mecánica del análisis a nivel de píxel#

Para lograr esta comprensión de alta fidelidad, los modelos de segmentación suelen aprovechar arquitecturas de deep learning (DL), en particular Convolutional Neural Networks (CNNs). Estas redes actúan como potentes extractores de características, identificando patrones como bordes, texturas y formas complejas. Las arquitecturas de segmentación tradicionales, como la clásica U-Net, suelen emplear una estructura de codificador-decodificador. El codificador comprime la imagen de entrada para capturar el contexto semántico, mientras que el decodificador reconstruye los detalles espaciales para generar una segmentation mask final.

Los avances modernos han dado lugar a arquitecturas en tiempo real como YOLO26, lanzada en enero de 2026. Estos modelos integran las capacidades de segmentación directamente en un flujo de trabajo de extremo a extremo, lo que permite un procesamiento de alta velocidad en diversos soportes de hardware, desde GPUs en la nube hasta dispositivos de borde.

Tipos principales de segmentación#

Dependiendo del objetivo específico de un proyecto, los desarrolladores suelen elegir entre tres técnicas principales de segmentación:

• Semantic Segmentation: Este método clasifica los píxeles en función de su categoría, pero no distingue entre objetos separados de la misma clase. Por ejemplo, en un análisis de satellite image analysis, todos los píxeles que representan «bosque» se colorearían de verde, tratando todo el bosque como una sola entidad.
• Instance Segmentation: Esta técnica identifica y separa objetos individuales distintos de interés. En una escena urbana con mucho tráfico, la segmentación de instancias generaría una máscara única para «Coche A», «Coche B» y «Peatón A», lo que permite a los sistemas contar y rastrear entidades específicas. Esta es una característica principal de la familia de modelos Ultralytics YOLO26.
• Panoptic Segmentation: Un enfoque híbrido que combina la cobertura de la segmentación semántica con la precisión de la segmentación de instancias. Asigna una etiqueta a cada píxel, distinguiendo los elementos de fondo amorfos (como el cielo y la carretera) mientras identifica de forma única los objetos de primer plano contables.

Distinción con la detección de objetos#

Es fundamental diferenciar la segmentación de la object detection. Si bien los algoritmos de detección localizan elementos mediante una bounding box rectangular, inevitablemente incluyen píxeles de fondo dentro de esa caja. La segmentación proporciona una representación más ajustada y precisa al trazar el contorno o polígono exacto del objeto. Esta diferencia es vital para aplicaciones como robotic grasping, donde un brazo robótico debe conocer la geometría exacta de un elemento para manipularlo sin colisiones.

Aplicaciones en el mundo real#

La precisión que ofrece la segmentación de imágenes impulsa la innovación en diversos sectores:

• Diagnóstico médico: En el campo del medical image analysis, la segmentación es esencial para delinear estructuras anatómicas. Los algoritmos analizan MRI scans para delimitar tumores o los límites de los órganos, lo que permite a los cirujanos calcular volúmenes exactos y planificar procedimientos con una precisión que puede salvar vidas.
• Conducción autónoma: Los vehículos de conducción autónoma dependen de la segmentación para navegar de forma segura. Al procesar las transmisiones de vídeo, el ordenador del vehículo puede diferenciar los drivable lanes de las aceras y los obstáculos. Las organizaciones de estándares como SAE International definen niveles de autonomía que hacen necesaria esta percepción ambiental de alta fidelidad.
• Agricultura de precisión: En AI in agriculture, la segmentación ayuda a los sistemas robóticos a identificar las malas hierbas entre los cultivos. Al generar máscaras para las hojas de plantas específicas, los pulverizadores automatizados pueden atacar únicamente a las especies invasoras, lo que reduce significativamente el uso de herbicidas.

Implementación de segmentación con Ultralytics YOLO26#

Los desarrolladores pueden implementar la segmentación de instancias de manera eficiente utilizando el paquete de Python ultralytics. El siguiente ejemplo utiliza el YOLO26 model de última generación, que está optimizado tanto para la velocidad como para la precisión.

from ultralytics import YOLO

# Load a pre-trained YOLO26 segmentation model
# 'n' denotes the nano version, optimized for speed
model = YOLO("yolo26n-seg.pt")

# Run inference on an image to generate masks
# The model identifies objects and outlines their shape
results = model("https://ultralytics.com/images/bus.jpg")

# Display the image with segmentation overlays
results[0].show()

Para lograr un alto rendimiento en tareas personalizadas, los equipos a menudo necesitan recopilar training data de alta calidad. La Ultralytics Platform simplifica este proceso al proporcionar herramientas para anotar imágenes con máscaras de polígono, administrar conjuntos de datos y entrenar modelos en la nube, optimizando todo el ciclo de vida de machine learning operations (MLOps). Bibliotecas como OpenCV también se utilizan con frecuencia junto con estos modelos para el preprocesamiento de imágenes y el postprocesamiento de las máscaras resultantes.