Instance Segmentation

La segmentación de instancias es una técnica sofisticada en computer vision (CV) que identifica y delinea cada objeto de interés distinto dentro de una imagen a nivel de píxel. Mientras que la object detection estándar localiza elementos mediante bounding boxes rectangulares, la segmentación de instancias profundiza en el análisis generando una máscara precisa para cada entidad detectada. Esta capacidad permite que los modelos de artificial intelligence (AI) distinguan entre objetos individuales de la misma clase —como separar a dos personas que se solapan—, lo que proporciona una comprensión más rica y detallada de la escena visual en comparación con los métodos de clasificación más simples.

Distinguir 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.

• Semantic Segmentation: Este enfoque clasifica cada píxel de una imagen en una categoría (por ejemplo, "carretera", "cielo", "coche"). Sin embargo, no distingue entre objetos separados de la misma categoría. Si hay tres coches aparcados uno al lado del otro, la segmentación semántica los ve como una única región de "coche".
• Instance Segmentation: 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.
• Panoptic Segmentation: Un enfoque híbrido que combina el etiquetado de fondo de la segmentación semántica con la identificación de objetos contables de la segmentación de instancias.

La mecánica del análisis a nivel de píxel#

Los modelos modernos de segmentación de instancias suelen depender de arquitecturas avanzadas de deep learning (DL), en particular de Convolutional Neural Networks (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 después en máscaras.

Sin embargo, los avances recientes han llevado a detectores de una sola etapa como YOLO26, que realizan la detección y la segmentación de forma simultánea. Este enfoque "de extremo a extremo" mejora significativamente las velocidades de real-time inference, lo que hace posible aplicar una segmentación de alta precisión a transmisiones de vídeo en directo en hardware de consumo.

Aplicaciones 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.

• AI in Healthcare: En el diagnóstico médico, identificar el tamaño y la forma exactos de los tumores o lesiones es vital. La segmentación de instancias permite a los modelos delinear anomalías en MRI scans con gran precisión, lo que ayuda a los radiólogos en la planificación del tratamiento y en el seguimiento de la progresión de la enfermedad.
• Autonomous Vehicles: Los vehículos autónomos dependen de la segmentación para navegar por entornos complejos. Utilizando conjuntos de datos como Cityscapes, los vehículos pueden identificar superficies transitables, reconocer marcas viales y separar a peatones individuales en pasos de cebra concurridos para garantizar la seguridad.
• AI in Agriculture: La agricultura de precisión utiliza la segmentación para controlar la salud de los cultivos. Los robots equipados con sistemas de visión pueden identificar frutos individuales para la recolección automatizada o detectar malas hierbas específicas para la aplicación selectiva de herbicidas, lo que reduce el uso de productos químicos y optimiza el rendimiento.

Implementación de la segmentación con Python#

Los desarrolladores pueden implementar fácilmente la segmentación de instancias utilizando la biblioteca ultralytics. El siguiente ejemplo muestra cómo cargar un modelo YOLO26 preentrenado 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()

Desafíos y entrenamiento de modelos#

Aunque es potente, la segmentación de instancias consume muchos recursos computacionales en comparación con la simple detección de cuadros delimitadores. Generar máscaras perfectas a nivel de píxel requiere importantes GPU resources y una data annotation precisa. Anotar datos para estas tareas implica trazar polígonos ajustados alrededor de cada objeto, lo cual puede llevar mucho tiempo.

Para agilizar este proceso, los equipos suelen utilizar herramientas como Ultralytics Platform, que ofrece funciones para la gestión de conjuntos de datos, anotación automática y entrenamiento en la nube. Esto permite a los desarrolladores ajustar modelos con datos personalizados —como piezas industriales específicas o especímenes biológicos— y desplegarlos de manera eficiente en dispositivos de edge AI utilizando formatos optimizados como ONNX o TensorRT.