Detección de objetos

La detección de objetos es una tarea fundamental de la visión por ordenador (VC ) que consiste en identificar y localizar uno o varios objetos dentro de una imagen o un vídeo. El objetivo no es sólo clasificar los objetos, sino también determinar su posición, normalmente dibujando un rectángulo alrededor de cada uno de ellos. Esta tecnología es la piedra angular de muchas aplicaciones avanzadas de inteligencia artificial (IA), ya que permite a las máquinas percibir e interpretar su entorno físico con un alto grado de comprensión.

Cómo funciona la detección de objetos

Los modelos de detección de objetos suelen construirse mediante aprendizaje profundo (deep learning, DL), en concreto redes neuronales convolucionales (Convolutional Neural Networks, CNN). El proceso consiste en introducir una imagen en la red, que a continuación genera una lista de objetos detectados, cada uno con una etiqueta de clase (por ejemplo, "persona", "coche", "perro"), una puntuación de confianza y las coordenadas de su cuadro delimitador.

Las arquitecturas modernas de detección de objetos constan de dos partes principales: una columna vertebral para extraer características de la imagen de entrada y un cabezal de detección para predecir los recuadros delimitadores y las clases. Estas arquitecturas suelen clasificarse en detectores de una o dos etapas.

• Detectores de objetos de una sola etapa: Los modelos como la familia Ultralytics YOLO realizan la detección en una sola pasada, lo que los hace muy rápidos y adecuados para la inferencia en tiempo real. Predicen simultáneamente todos los recuadros delimitadores y las probabilidades de clase.
• Detectores de objetos en dos etapas: Arquitecturas como R-CNN y sus variantes proponen primero regiones de interés y luego clasifican los objetos dentro de esas regiones. Aunque suelen ser muy precisos, pueden ser más lentos que los detectores de una etapa.

Detección de objetos frente a otras tareas de CV

Es importante distinguir la detección de objetos de otras tareas relacionadas con la visión por ordenador:

• Clasificación de imágenes: Asigna una única etiqueta a toda una imagen (por ejemplo, "esta es la foto de un gato"). No localiza el objeto.
• Segmentación de imágenes: Clasifica cada píxel de una imagen, proporcionando un contorno preciso de los objetos. La segmentación por instancias distingue entre diferentes instancias de la misma clase de objeto, mientras que la segmentación semántica trata todas las instancias de una clase como una sola entidad.
• Seguimiento de objetos: Una extensión de la detección de objetos que sigue a un objeto específico a través de múltiples fotogramas de un vídeo, manteniendo su identidad a lo largo del tiempo. Puedes obtener más información en nuestra guía sobre seguimiento de objetos en movimiento en vídeos.

Aplicaciones reales

La detección de objetos es una tecnología transformadora que se utiliza en muchos sectores.

1. Vehículos autónomos: En los coches autónomos, la detección de objetos es fundamental para identificar peatones, ciclistas, otros vehículos y señales de tráfico para navegar con seguridad. Empresas como Waymo y Tesla han invertido mucho en esta tecnología para impulsar sus sistemas autónomos.
2. IA en la fabricación: En las cadenas de montaje, los modelos de detección detectan automáticamente los defectos o verifican que los componentes se ensamblan correctamente. Esto mejora el control de calidad y la eficiencia de la producción.
3. Seguridad y vigilancia: Los sistemas automatizados utilizan la detección de objetos para identificar en tiempo real a personas no autorizadas, paquetes abandonados o actividades inusuales, como se detalla en nuestra guía para construir un sistema de alarma de seguridad.
4. La IA en la sanidad: En el análisis de imágenes médicas, los modelos ayudan a los radiólogos a detectar y resaltar anomalías como tumores o fracturas en radiografías y tomografías computarizadas. Puede leer más sobre el uso de YOLO11 para la detección de tumores en nuestro blog.
5. IA en la agricultura: Los drones y robots terrestres equipados con detección de objetos pueden vigilar la salud de los cultivos, identificar plagas y estimar rendimientos con gran precisión.

Herramientas y formación

El desarrollo y despliegue de modelos de detección de objetos implica un rico ecosistema de herramientas y técnicas.

• Marcos de trabajo: Los marcos de aprendizaje profundo más conocidos, como PyTorch y TensorFlow, proporcionan las bibliotecas básicas para crear modelos.
• Modelos: Ultralytics ofrece modelos de última generación como YOLOv8 y YOLO11, optimizados para lograr un equilibrio entre velocidad y precisión. Puede ver cómo se comparan con otros modelos en nuestras páginas de comparación de modelos.
• Plataformas: Ultralytics HUB simplifica todo el flujo de trabajo, desde la gestión de conjuntos de datos como el popular conjunto de datos COCO hasta el entrenamiento de modelos personalizados y la facilitación del despliegue de modelos.
• Técnicas: El proceso de formación a menudo se beneficia de técnicas como el aumento de datos para mejorar la solidez y el aprendizaje por transferencia para aprovechar los conocimientos de los modelos preentrenados. El rendimiento de los modelos se evalúa mediante métricas como mAP e IoU, tal y como se explica en nuestra guía de métricas de rendimiento.