Arquitecturas de detección de objetos

Componentes básicos

La mayoría de las arquitecturas de detección de objetos constan de varios componentes clave que funcionan conjuntamente. Una red troncal, a menudo una red neuronal convolucional (CNN), realiza la extracción inicial de características de la imagen de entrada, identificando patrones de bajo nivel como bordes y texturas, y características progresivamente más complejas. A continuación suele haber un componente de "cuello" que agrega características de distintas etapas de la red troncal para crear representaciones más ricas y adecuadas para detectar objetos a distintas escalas, un concepto que se detalla en recursos como el documento Feature Pyramid Network. Por último, la cabeza de detección utiliza estas características para predecir la clase y la ubicación (coordenadas del cuadro delimitador) de los objetos. El rendimiento se mide a menudo utilizando métricas como Intersection over Union (IoU) para evaluar la precisión de la localización y Mean Average Precision (mAP) para la calidad general de la detección, con explicaciones detalladas disponibles en sitios como la página de evaluación del conjunto de datos COCO.

Tipos de arquitecturas

Las arquitecturas de detección de objetos se clasifican a grandes rasgos en función de su enfoque:

• Detectores de dos etapas: Estos modelos proponen en primer lugar regiones de interés (RoI) en las que podrían encontrarse objetos y, a continuación, clasifican y perfeccionan el cuadro delimitador de cada RoI. Algunos ejemplos son la familia R-CNN, como Faster R-CNN. Suelen ser muy precisos, pero pueden requerir muchos cálculos.
• Detectores de una etapa: Estos modelos predicen directamente los recuadros delimitadores y las probabilidades de clase a partir de la imagen de entrada en una sola pasada, omitiendo el paso de propuesta de regiones. Algunos ejemplos son el Single Shot MultiBox Detector (SSD) y la familia Ultralytics YOLO. Suelen ofrecer mayores velocidades de inferencia en tiempo real, lo que los hace adecuados para aplicaciones que requieren respuestas rápidas. Los detectores modernos de una etapa, como YOLO11, suelen emplear técnicas sin anclaje, lo que simplifica el diseño en comparación con los antiguos métodos basados en anclajes. Puede explorar las comparaciones entre distintos modelos YOLO para ver su evolución.

Distinción de términos similares

Es importante diferenciar las arquitecturas de detección de objetos de las tareas de visión por ordenador relacionadas:

• Clasificación de imágenes: Asigna una única etiqueta a toda una imagen (por ejemplo, "gato", "perro"). Identifica globalmente lo que hay en la imagen, pero no dónde se encuentran objetos concretos. Consulte la documentación de la tarea de clasificación de Ultralytics para ver ejemplos.
• Segmentación semántica: Clasifica cada píxel de una imagen en una categoría predefinida (por ejemplo, todos los píxeles que pertenecen a coches se etiquetan como "coche"). Proporciona una predicción densa, pero no distingue entre diferentes instancias de la misma clase de objeto.
• Segmentación de instancias: Va un paso más allá de la segmentación semántica clasificando cada píxel y diferenciando entre instancias de objetos individuales (por ejemplo, etiquetando "coche 1", "coche 2"). Combina la detección de objetos y la segmentación semántica. Consulte la documentación de la tarea de segmentación de Ultralytics para obtener más detalles.

Aplicaciones reales

Las arquitecturas de detección de objetos impulsan numerosas aplicaciones de IA en diversos sectores:

• Vehículos autónomos: Esencial para que los coches autónomos perciban su entorno detectando peatones, otros vehículos, señales de tráfico y marcas de carril. Empresas como Waymo dependen en gran medida de una sofisticada detección de objetos. Más información sobre la IA en los coches autónomos.
• Seguridad y vigilancia: Se utiliza en sistemas de seguridad para detectar accesos no autorizados, vigilar multitudes en busca de actividades inusuales o aplicar el reconocimiento facial. Consulte la Guía de sistemas de alarma de seguridad de Ultralytics para ver un ejemplo práctico.
• Análisis de imágenes médicas: Ayuda a los radiólogos a detectar anomalías como tumores o fracturas en radiografías, tomografías computarizadas y resonancias magnéticas. Explore las soluciones de IA en sanidad y aplicaciones específicas como la detección de tumores con YOLO11.
• Análisis del comercio minorista: Permite aplicaciones como la caja automatizada, la supervisión de estanterías y la IA para la gestión de inventarios.

Herramientas y tecnologías

El desarrollo y despliegue de modelos basados en estas arquitecturas suele requerir herramientas y marcos especializados:

• Marcos de aprendizaje profundo: Bibliotecas como PyTorch (visite el sitio web oficial de PyTorch) y TensorFlow (consulte el sitio web de TensorFlow) proporcionan los bloques de construcción básicos.
• Bibliotecas de visión por ordenador: OpenCV (sitio oficial: OpenCV.org) ofrece una amplia gama de funciones para el procesamiento y la manipulación de imágenes.
• Modelos y plataformas: Ultralytics proporciona modelos Ultralytics YOLO de última generación y la plataforma Ultralytics HUB, lo que simplifica el proceso de formación de modelos personalizados, la gestión de conjuntos de datos(como COCO) y el despliegue de soluciones.
• Código abierto: Muchas arquitecturas y herramientas de detección de objetos se desarrollan bajo licencias de código abierto, lo que fomenta la colaboración y la innovación dentro de la comunidad de la IA. Recursos como GitHub albergan numerosos proyectos en este ámbito.