Instance Segmentation

La segmentación de instancias es una técnica sofisticada en visión artificial (CV) que identifica y delimita cada objeto de interés distinto dentro de una imagen a nivel de píxel. Mientras que la detección de objetos estándar localiza elementos mediante cajas delimitadoras rectangulares, la segmentación de instancias profundiza en el análisis generando una máscara precisa para cada entidad detectada. Esta capacidad permite que los modelos de inteligencia artificial (IA) distingan entre objetos individuales de la misma clase (como separar a dos personas que se solapan), proporcionando una comprensión más rica y detallada de la escena visual en comparación con métodos de clasificación más simples.

Link to this sectionDistinguir los tipos de segmentación#

Para comprender totalmente la utilidad de la segmentación de instancias, es útil diferenciarla de otras tareas relacionadas de procesamiento de imágenes. Cada método ofrece un nivel diferente de granularidad dependiendo de los requisitos de la aplicación.

• Segmentación semántica: Este enfoque clasifica cada píxel de una imagen en una categoría (p. ej., "carretera", "cielo", "coche"). Sin embargo, no distingue entre objetos separados de la misma categoría. Si tres coches están aparcados uno al lado del otro, la segmentación semántica los ve como una única región de "coche".
• Segmentación de instancias: Este método trata cada objeto como una entidad única. Detecta instancias individuales y asigna una etiqueta única a los píxeles de cada una. En el ejemplo de los coches aparcados, la segmentación de instancias crearía tres máscaras distintas, identificando "Coche A", "Coche B" y "Coche C" por separado.
• Segmentación panóptica: Un enfoque híbrido que combina el etiquetado de fondo de la segmentación semántica con la identificación de objetos contables de la segmentación de instancias.

Link to this sectionLa mecánica del análisis a nivel de píxel#

Los modelos modernos de segmentación de instancias suelen basarse en arquitecturas avanzadas de aprendizaje profundo (DL), particularmente Redes Neuronales Convolucionales (CNNs). Estas redes extraen características de una imagen para predecir tanto la clase de un objeto como su contorno espacial. Históricamente, las arquitecturas de dos etapas como Mask R-CNN eran el estándar, proponiendo primero regiones de interés y refinándolas luego en máscaras.

Sin embargo, los avances recientes han llevado a detectores de una sola etapa como YOLO26, que realizan la detección y la segmentación simultáneamente. Este enfoque "de extremo a extremo" mejora significativamente las velocidades de inferencia en tiempo real, haciendo posible aplicar segmentación de alta precisión a flujos de vídeo en directo en hardware de consumo.

Link to this sectionAplicaciones en el mundo real#

Los límites precisos proporcionados por la segmentación de instancias son críticos para sectores donde es necesario entender la forma y posición exactas de un objeto para la toma de decisiones.

• IA en sanidad: En el diagnóstico médico, identificar el tamaño y la forma exactos de tumores o lesiones es vital. La segmentación de instancias permite a los modelos perfilar anomalías en escaneos de RM con alta precisión, ayudando a los radiólogos en la planificación del tratamiento y en el seguimiento de la progresión de la enfermedad.
• Vehículos autónomos: Los coches autoconducidos dependen de la segmentación para navegar por entornos complejos. Utilizando conjuntos de datos como Cityscapes, los vehículos pueden identificar superficies transitables, reconocer marcas de carril y separar a peatones individuales en pasos de cebra concurridos para garantizar la seguridad.
• IA en agricultura: La agricultura de precisión utiliza la segmentación para controlar la salud de los cultivos. Los robots equipados con sistemas de visión pueden identificar frutas individuales para la cosecha automatizada o detectar malas hierbas específicas para la aplicación selectiva de herbicidas, reduciendo el uso de productos químicos y optimizando el rendimiento.

Link to this sectionImplementación de la segmentación con Python#

Los desarrolladores pueden implementar fácilmente la segmentación de instancias utilizando la biblioteca ultralytics. El siguiente ejemplo demuestra cómo cargar un modelo preentrenado YOLO26 y generar máscaras de segmentación para una imagen.

from ultralytics import YOLO

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

# Run inference on an image
# This predicts classes, bounding boxes, and masks
results = model("https://ultralytics.com/images/bus.jpg")

# Visualize the results
# Displays the image with overlaid segmentation masks
results[0].show()

Link to this sectionDesafíos y entrenamiento de modelos#

Aunque es potente, la segmentación de instancias es computacionalmente intensiva en comparación con la simple detección de cajas delimitadoras. Generar máscaras perfectas a nivel de píxel requiere importantes recursos de GPU y una anotación de datos precisa. La anotación de datos para estas tareas implica dibujar polígonos ajustados alrededor de cada objeto, lo cual puede requerir mucho tiempo.

Para agilizar este proceso, los equipos suelen utilizar herramientas como la Ultralytics Platform, que ofrece funciones para la gestión de conjuntos de datos, autoanotación y entrenamiento basado en la nube. Esto permite a los desarrolladores ajustar modelos con datos personalizados (como piezas industriales específicas o muestras biológicas) e implementarlos eficazmente en dispositivos de IA de borde utilizando formatos optimizados como ONNX o TensorRT.