Segmentación de Instancias

La segmentación de instancias es una tarea avanzada de visión artificial (CV) que identifica y delimita objetos individuales dentro de una imagen a nivel de píxel. A diferencia de otras tareas de visión, no solo clasifica una imagen o dibuja un cuadro delimitador alrededor de los objetos; en cambio, genera una máscara precisa a nivel de píxel para cada instancia de objeto distinta. Esta técnica proporciona una comprensión mucho más profunda de una escena, ya que puede diferenciar entre objetos superpuestos de la misma clase.

Instancia vs. Semántica y Detección de Objetos

Es importante distinguir la segmentación de instancias de otras tareas de visión artificial relacionadas.

• Detección de Objetos: Esta tarea identifica la presencia y ubicación de objetos, típicamente dibujando cuadros delimitadores rectangulares alrededor de ellos y asignando una etiqueta de clase. Responde a la pregunta "¿Qué hay en la imagen y dónde está?" pero no proporciona información sobre la forma.
• Segmentación Semántica: Esta tarea clasifica cada píxel de una imagen en una categoría específica. Por ejemplo, etiquetaría todos los píxeles pertenecientes a coches como "coche", pero no distinguiría entre dos coches diferentes en la imagen. Responde a la pregunta "¿A qué categoría pertenece cada píxel?"
• Segmentación de Instancias: Esto combina las capacidades de la detección de objetos y la segmentación semántica. Detecta cada instancia de objeto y genera una máscara de segmentación única para ella. En una imagen con tres coches, la segmentación de instancias generaría tres máscaras separadas, cada una correspondiente a un coche específico.
• Segmentación Panóptica: Esta es la más completa de las tareas de segmentación, que fusiona la segmentación semántica y de instancia. Asigna a cada píxel una etiqueta de clase y un ID de instancia único, proporcionando una comprensión completa y unificada de la escena.

Cómo funciona la segmentación de instancias

Los modelos de segmentación de instancias suelen realizar dos funciones principales: primero, detectan todas las instancias de objetos en una imagen y, segundo, generan una máscara de segmentación para cada instancia detectada. Este proceso fue popularizado por arquitecturas como Mask R-CNN, que extiende los detectores de objetos como Faster R-CNN añadiendo una rama paralela que predice una máscara binaria para cada región de interés. Los modelos modernos han refinado aún más este proceso para mejorar la velocidad y la precisión, permitiendo la inferencia en tiempo real en muchas aplicaciones. El desarrollo a menudo se basa en potentes marcos de aprendizaje profundo como PyTorch y TensorFlow.

Aplicaciones en el mundo real

Los contornos detallados de los objetos proporcionados por la segmentación de instancias son valiosos en numerosos campos.

• Vehículos Autónomos: Los coches autónomos se basan en la segmentación de instancias para identificar con precisión la forma y la ubicación de peatones, vehículos y ciclistas individuales. Este detalle granular es fundamental para la navegación segura y la planificación de rutas, especialmente en entornos urbanos complejos con muchos objetos superpuestos. Conjuntos de datos como Cityscapes han sido fundamentales para avanzar en esta área.
• Análisis de imágenes médicas: En radiología, la segmentación de instancias se utiliza para delimitar tumores, lesiones y órganos a partir de tomografías computarizadas (TC) o resonancias magnéticas (RM) con alta precisión. Esto ayuda a los médicos a medir el tamaño de un tumor, planificar cirugías y supervisar la eficacia del tratamiento. Puede obtener más información sobre esto en nuestra entrada de blog sobre el uso de YOLO11 para la detección de tumores.
• Robótica: Los robots utilizan la segmentación de instancias para comprender su entorno, identificar objetos específicos para agarrar y evitar obstáculos con mayor precisión. Esto es crucial para las tareas en la fabricación y la logística.
• Análisis de Imágenes Satelitales: Esta técnica se utiliza para contar árboles individuales en un bosque, mapear edificios en una ciudad o rastrear cambios en el uso de la tierra a lo largo del tiempo con datos de organizaciones como la NASA.
• Agricultura: Se puede utilizar para identificar y contar frutos individuales para la estimación del rendimiento o para detectar malas hierbas específicas para la aplicación selectiva de herbicidas, una parte clave de la agricultura de precisión.

Segmentación de instancias con Ultralytics YOLO

Ultralytics proporciona modelos de última generación capaces de realizar una segmentación de instancias eficiente. Modelos como YOLOv8 y el más reciente YOLO11 están diseñados para ofrecer un alto rendimiento en diversas tareas de visión, incluida la segmentación de instancias. Puede encontrar más detalles en nuestra documentación para la tarea de segmentación. Los usuarios pueden aprovechar los modelos pre-entrenados o realizar un ajuste fino en conjuntos de datos personalizados como COCO utilizando herramientas como la plataforma Ultralytics HUB, que simplifica el flujo de trabajo de aprendizaje automático (ML), desde la gestión de datos hasta el despliegue de modelos. Para una implementación práctica, están disponibles recursos como nuestro tutorial sobre segmentación con modelos YOLOv8 de Ultralytics pre-entrenados o nuestra guía sobre aislamiento de objetos de segmentación. También puede aprender cómo utilizar Ultralytics YOLO11 para la segmentación de instancias.