Descubre cómo los detectores basados en anclas revolucionan la detección de objetos al identificar con precisión objetos de todos los tamaños en diversas aplicaciones como la IA y el ML.
Los detectores basados en anclas son una categoría de modelos de detección de objetos muy utilizados en el campo de la visión por ordenador. Estos modelos utilizan recuadros predefinidos, conocidos como "anclas", para predecir las ubicaciones y clases de objetos dentro de una imagen. Las anclas sirven como puntos de referencia, ayudando al modelo a generar propuestas de objetos potenciales. Son especialmente útiles para detectar objetos de distintos tamaños y formas, por lo que son una opción popular en muchas arquitecturas de detección de objetos.
Los detectores basados en anclas funcionan utilizando una rejilla de cajas de anclaje con diferentes escalas y relaciones de aspecto que se deslizan por la imagen. Cada cuadro de anclaje se coloca estratégicamente para cubrir una gama de posibles tamaños y formas de objeto. Durante el proceso de entrenamiento, el modelo aprende a clasificar cada cuadro de anclaje como si contuviera un objeto o sólo el fondo. También refina la posición de estas cajas de anclaje para detectar objetos con precisión. Este refinamiento consiste en ajustar las dimensiones y la posición de los recuadros de anclaje para que coincidan mejor con el recuadro delimitador real del objeto. El resultado final es un conjunto de cuadros delimitadores, cada uno con una etiqueta de clase y una puntuación de confianza correspondientes, que indican la probabilidad de que haya un objeto.
Los detectores basados en anclas se utilizan mucho en diversos sectores debido a su robustez y adaptabilidad. Son especialmente eficaces en situaciones en las que los objetos pueden aparecer a diferentes escalas y relaciones de aspecto.
He aquí dos ejemplos concretos de aplicaciones en el mundo real:
Los detectores basados en anclas también se utilizan en sanidad para el análisis de imágenes médicas, en agricultura para el control de cultivos y ganado, y en fabricación para el control de calidad y la detección de defectos.
Los detectores basados en anclajes ofrecen varias ventajas que los hacen adecuados para una amplia gama de aplicaciones:
Varios modelos populares de detección de objetos utilizan enfoques basados en anclajes. Por ejemplo, las versiones anteriores de la Ultralytics YOLO como YOLOv4, son conocidos detectores basados en anclas. Otros modelos notables son Faster R-CNN, que introdujo el concepto de Red de Propuesta de Región (RPN) para generar propuestas de región utilizando anclas, y Single Shot MultiBox Detector (SSD)(fuente), que utiliza múltiples mapas de características a diferentes escalas para detectar objetos.
Aunque los detectores basados en anclas han tenido mucho éxito, presentan algunas limitaciones. El uso de cajas de anclaje predefinidas puede introducir hiperparámetros adicionales y complejidad computacional. Los detectores sin anclas, en cambio, predicen directamente la ubicación del objeto sin depender de cajas predefinidas. Este enfoque simplifica el proceso de detección y puede ser más eficaz en determinados escenarios. Sin embargo, los detectores basados en anclas siguen siendo una opción sólida para muchas aplicaciones, debido a su capacidad para manejar objetos de diversas escalas y a su probada trayectoria en términos de precisión. Para saber más sobre las ventajas de la detección sin anclajes, puedes leer este artículo sobre las ventajas de que Ultralytics YOLO11 sea un detector sin anclajes.
%25202.png)
%202.png)
