Detección de objetos

Cómo funciona la detección de objetos

La detección de objetos suele combinar dos tareas básicas: clasificación de objetos (determinar "qué" objeto está presente) y localización de objetos (determinar "dónde" se encuentra el objeto). Los sistemas modernos de detección de objetos se basan en gran medida en el aprendizaje profundo (deep learning, DL), en particular en las redes neuronales convolucionales (Convolutional Neural Networks, CNN). Estas redes se entrenan en grandes conjuntos de datos, como el popular conjunto de datos COCO, para aprender características y patrones asociados a diferentes clases de objetos. El modelo procesa una imagen de entrada y genera una lista de cuadros delimitadores, cada uno con una etiqueta de clase asociada (por ejemplo, "coche", "persona") y una puntuación de confianza. El rendimiento de estos modelos suele medirse utilizando métricas como la Intersección sobre la Unión (IoU) y la Precisión Media (mAP).

Detección de Objetos vs. Tareas Relacionadas

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 imagen contiene un gato"). No proporciona información sobre la ubicación del objeto u objetos.
• Segmentación de imágenes: Clasifica cada píxel de una imagen. La segmentación semántica asigna una etiqueta de clase a cada píxel (por ejemplo, todos los píxeles que pertenecen a coches se etiquetan como "coche"), mientras que la segmentación por instancias distingue entre diferentes instancias de la misma clase (por ejemplo, etiquetando "coche 1", "coche 2"). La segmentación proporciona información espacial más detallada que las cajas delimitadoras de la detección de objetos.

Tipos de modelos de detección de objetos

Los modelos de detección de objetos suelen dividirse en dos categorías:

• Detectores de dos etapas: Estos modelos proponen primero regiones de interés (RoIs) donde podrían estar situados los objetos y luego clasifican los objetos dentro de estas regiones. Algunos ejemplos son la familia R-CNN(CNN basada en regiones). A menudo consiguen una gran precisión, pero pueden ser más lentos.
• Detectores de una etapa: Estos modelos realizan la localización y la clasificación en una sola pasada directamente sobre la cuadrícula de la imagen. Algunos ejemplos son Ultralytics YOLO como YOLOv8 y YOLOv11. Suelen ser más rápidos, lo que los hace adecuados para la inferencia en tiempo real. Los enfoques más recientes, como los detectores sin anclaje, simplifican aún más el proceso de detección. Puedes explorar las comparaciones entre distintos modelos YOLO para comprender sus ventajas y desventajas.

Aplicaciones en el mundo real

La detección de objetos es crucial para numerosas aplicaciones en diversos sectores:

• Sistemas Autónomos: Habilitación de vehículos para que la IA de los coches autoconducidos detecte peatones, otros vehículos, señales de tráfico y obstáculos para una navegación segura. La tecnología de Waymo se basa en gran medida en la detección sofisticada de objetos.
• Vigilancia y seguridad: Vigilancia de zonas para detectar accesos no autorizados, detectar actividades sospechosas o implantar sistemas automatizados de alarma de seguridad.
• Análisis del comercio minorista: Seguimiento de los productos en las estanterías para la gestión del inventario basada en IA, análisis del tráfico de clientes y mejora de los procesos de pago.
• Asistencia sanitaria: Ayudar en el análisis de imágenes médicas identificando tumores, lesiones u otras anomalías en exploraciones como radiografías o resonancias magnéticas. Investigaciones publicadas en revistas como Radiology: Artificial Intelligence a menudo presentan aplicaciones de este tipo.
• Agricultura: Control de la salud de los cultivos, detección de plagas y automatización de los procesos de recolección mediante soluciones de IA en la agricultura.

Herramientas y formación

Desarrollar modelos de detección de objetos implica utilizar herramientas y plataformas especializadas. Frameworks como PyTorch y TensorFlow proporcionan los bloques de construcción. Bibliotecas como OpenCV ofrecen funciones esenciales de visión por ordenador. Ultralytics proporciona Ultralytics YOLO y la plataforma Ultralytics HUB, que simplifican el proceso de entrenamiento de modelos personalizados, la gestión de conjuntos de datos y el despliegue eficaz de soluciones. El entrenamiento eficaz de modelos suele requerir un cuidadoso ajuste de hiperparámetros y estrategias de aumento de datos.