Instance Segmentation

La segmentación de instancias es una técnica sofisticada de 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 al generar una máscara precisa para cada entidad detectada. Esta capacidad permite a los modelos de inteligencia artificial (AI) distinguir entre objetos individuales de la misma clase, como separar a dos personas superpuestas, lo que proporciona una comprensión más completa y detallada de la escena visual en comparación con métodos de clasificación más sencillos.

Diferenciación entre tipos de segmentación#

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

• Segmentación semántica: Este enfoque clasifica cada píxel de una imagen en una categoría (por ejemplo, «carretera», «cielo» o «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 considera 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 e identificaría por separado «Coche A», «Coche B» y «Coche C».
• Segmentación panóptica: Un enfoque híbrido que combina el etiquetado del fondo propio de la segmentación semántica con la identificación de objetos contables de la segmentación de instancias.

Mecánica del análisis a nivel de píxel#

Los modelos modernos de segmentación de instancias suelen basarse en arquitecturas avanzadas de aprendizaje profundo (DL), especialmente en 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: primero proponían regiones de interés y después las refinaban para convertirlas en máscaras.

Sin embargo, los avances recientes han dado lugar a detectores de una sola etapa, como YOLO26, que realizan la detección y la segmentación simultáneamente. Este enfoque «de extremo a extremo» mejora significativamente la velocidad de la inferencia en tiempo real, lo que permite aplicar una segmentación de alta precisión a flujos de vídeo en directo con hardware de consumo.

Aplicaciones en el mundo real#

Los límites precisos que proporciona la segmentación de instancias son fundamentales para las industrias en las que es necesario comprender la forma y la posición exactas de un objeto para tomar decisiones.

• AI en sanidad: En el diagnóstico médico, identificar el tamaño y la forma exactos de tumores o lesiones es fundamental. La segmentación de instancias permite a los modelos delinear anomalías en exploraciones de MRI con gran precisión, lo que ayuda a los radiólogos a planificar el tratamiento y supervisar la progresión de la enfermedad.
• Vehículos autónomos: Los coches autónomos dependen de la segmentación para desplazarse por entornos complejos. Mediante el uso de conjuntos de datos como Cityscapes, los vehículos pueden identificar superficies transitables, reconocer marcas viales y separar a peatones individuales en pasos de peatones concurridos para garantizar la seguridad.
• AI en agricultura: La agricultura de precisión utiliza la segmentación para supervisar el estado de los cultivos. Los robots equipados con sistemas de visión pueden identificar frutas individuales para cosecharlas automáticamente o detectar malas hierbas concretas para aplicar herbicidas de forma selectiva, reduciendo el uso de productos químicos y optimizando el rendimiento.

Implementación de la segmentación con Python#

Los desarrolladores pueden implementar fácilmente la segmentación de instancias mediante 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()

Retos y entrenamiento de modelos#

Aunque es potente, la segmentación de instancias requiere muchos recursos computacionales en comparación con la detección sencilla mediante cajas delimitadoras. Generar máscaras perfectas a nivel de píxel requiere importantes recursos de GPU y una anotación de datos precisa. Anotar datos para estas tareas implica dibujar polígonos ajustados alrededor de cada objeto, lo que puede llevar mucho tiempo.

Para agilizar este proceso, los equipos suelen utilizar herramientas como Ultralytics Platform, que ofrece funciones de 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, y desplegarlos de forma eficiente en dispositivos de AI en el edge mediante formatos optimizados como ONNX o TensorRT.