Detección de objetos

La detección de objetos es una función esencial de la visión por ordenador (VC) que permite a los no sólo reconocer lo que representa una imagen, sino también localizar elementos específicos en ella. Mientras que Mientras que la clasificación estándar asigna una única etiqueta a toda una entrada visual, la detección de objetos proporciona una comprensión más granular al predecir un cuadro delimitador alrededor de cada objeto. granular al predecir un recuadro alrededor de cada entidad entidad identificada, acompañada de una etiqueta de clase específica y una puntuación de confianza. Esta tecnología es la base sensorial sensorial para la inteligencia artificial (IA) avanzada máquinas percibir, interpretar e interactuar con la complejidad del mundo físico. Desde el control de calidad de las fábricas a la vigilancia avanzada, transforma los datos de píxeles no estructurados en información práctica.

Mecánica de la detección de objetos

Los detectores modernos se basan principalmente en arquitecturas de aprendizaje profundo (deep learning, DL) redes neuronales convolucionales (CNN), para aprender jerarquías espaciales de características. Una arquitectura típica consiste en una una red troncal, como ResNet o CSPNet, que extrae las características visuales esenciales de la imagen de entrada. A continuación, estas características son procesadas por un cabeza de detección que genera las coordenadas de y la probabilidad de pertenencia a una clase.

Para lograr un alto rendimiento, los modelos se entrenan con colecciones masivas de datos etiquetados, como el conjunto de datos COCO. COCO , que constituye un estándar para la evaluación comparativa. Durante la inferencia, los algoritmos suelen generar varias cajas superpuestas para el mismo objeto. Técnicas como supresión no máxima (NMS) se aplican se aplican para filtrar estas redundancias, manteniendo sólo la caja con la mayor confianza y la mejor supresión. Intersección sobre Unión (IoU) con la verdad sobre el terreno.

Los modelos se suelen clasificar en dos tipos:

• Detectores de objetos en dos etapas: Sistemas como Faster R-CNN proponen primero regiones de interés y luego las classify . Aunque históricamente precisos, pueden ser costosos computacionalmente.
• Detectores de objetos de una etapa: Arquitecturas modernas, incluyendo Ultralytics YOLO11, predicen los recuadros delimitadores y las probabilidades de clase en una sola pasada. Este enfoque está optimizado para inferencia en tiempo real, ofreciendo un de velocidad y precisión. De cara al futuro, Ultralytics está desarrollando YOLO26, cuyo objetivo es perfeccionar aún más la eficiencia de extremo a extremo.

Distinción de las tareas relacionadas con el CV

Es crucial diferenciar la detección de objetos de otras tareas de tareas de visión por ordenador.

• Clasificación de imágenes: Identifica qué hay en una imagen (por ejemplo, "perro") pero no dónde está ni cuántos hay.
• Segmentación de instancias: Al igual que la detección, localiza objetos, pero en lugar de una caja, produce una máscara de píxeles perfectos que delinea la forma exacta del objeto. del objeto.
• Seguimiento de objetos: Amplía la detección temporal, asignando un ID único a los objetos detectados y siguiendo su trayectoria a través de los fotogramas de vídeo. fotogramas de vídeo.

Aplicaciones en el mundo real

La detección de objetos es el motor de muchas tecnologías transformadoras en diversos sectores.

• Sistemas autónomos: En la industria del automóvil los vehículos autónomos utilizan modelos de detección para identificar peatones, señales de tráfico y otros coches en milisegundos. Líderes en este campo como Waymo y Tesla Autopilot se basan en estas capacidades para navegar por entornos complejos de forma segura.
• Diagnóstico médico: En la IA sanitaria, los modelos de detección radiólogos destacando regiones de interés en radiografías o tomografías computarizadas, como tumores o fracturas. Organizaciones como los Institutos Nacionales de la Salud (NIH) investigan activamente el análisis de imágenes médicas puede reducir los errores de diagnóstico.
• Análisis del comercio minorista: Las tiendas aprovechan automatizar los procesos de pago y controlar el inventario. inventario. Los sistemas similares a Amazon Go utilizan detección para track qué artículos cogen los clientes de las estanterías.

Ejemplo de aplicación

El siguiente fragmento de código muestra cómo realizar la detección de objetos utilizando un modelo YOLO11 preentrenado con la función ultralytics paquete. Este sencillo flujo de trabajo carga un modelo y ejecuta la inferencia en una imagen para identificar objetos como autobuses y personas.

from ultralytics import YOLO

# Load a pretrained YOLO11 model (n-scale for speed)
model = YOLO("yolo11n.pt")

# Run inference on a remote image source
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results with bounding boxes and labels
results[0].show()