Arquitecturas de detección de objetos

Componentes básicos

La mayoría de las arquitecturas de detección de objetos constan de varios componentes clave que trabajan juntos. 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 menudo le sigue un componente de "cuello", que agrega características de diferentes etapas de la red troncal para crear representaciones más ricas, adecuadas para detectar objetos a varias escalas, un concepto detallado 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 de la caja delimitadora) de los objetos. El rendimiento suele medirse utilizando métricas como la Intersección sobre la Unión (IoU) para evaluar la precisión de la localización y la Precisión Media Media (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 primero regiones de interés (RoIs) donde podrían localizarse objetos y luego clasifican y refinan 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, saltándose el paso de propuesta de regiones. Algunos ejemplos son el Detector de Cajas Múltiples de una sola pasada (SSD ) y el Detector de Ultralytics YOLO de Ultralytics. 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. Puedes 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 lo que hay en la imagen globalmente, pero no dónde se encuentran objetos concretos. Consulta la documentación de la tarea de clasificaciónUltralytics 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. Consulta la documentación de la tarea de segmentaciónUltralytics para obtener más detalles.

Aplicaciones en el mundo real

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 la detección sofisticada 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. Consulta la Guía del sistema de alarma de seguridadUltralytics 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. Explora las soluciones de IA en Sanidad y aplicaciones específicas como la detección de tumores mediante 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

Desarrollar y desplegar modelos basados en estas arquitecturas suele implicar herramientas y marcos especializados:

• Marcos de aprendizaje profundo: Bibliotecas como PyTorch (visita el sitio web oficial PyTorch ) y TensorFlow (consulta el sitio webTensorFlow ) proporcionan los elementos básicos.
• Bibliotecas de Visión por Computador: OpenCV (sitio oficial: OpenCV.org) ofrece una amplia gama de funciones para el procesamiento y la manipulación de imágenes.
• Modelos y plataformas: Ultralytics proporciona modelosUltralytics YOLO de última generación y la plataforma Ultralytics HUB, que simplifican el proceso de entrenamiento 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.