Detectores de objetos de dos etapas

Los detectores de objetos de dos etapas son una sofisticada clase de arquitecturas de aprendizaje profundo (DL) utilizadas en la visión por ordenador para identificar y localizar elementos dentro de una imagen. A diferencia de sus homólogos de una sola etapa, que realizan la detección en una única pasada, estos modelos dividen la tarea en dos fases distintas: propuesta de región y clasificación de objetos. Este enfoque bifurcado se creó para dar prioridad a la alta precisión de localización, lo que ha hecho que estos detectores sean históricamente significativos en la evolución de la inteligencia artificial (IA). Al separar el «dónde» del «qué», los detectores de dos etapas suelen alcanzar una precisión superior, especialmente en objetos pequeños u ocultos, aunque esto suele tener como contrapartida un aumento de los recursos computacionales y una latencia de inferencia más lenta.

El proceso de dos etapas

La arquitectura de un detector de dos etapas se basa en un flujo de trabajo secuencial que imita la forma en que un humano podría escrutar cuidadosamente una escena.

1. Propuesta de región: En la primera etapa, el modelo escanea la imagen de entrada para identificar áreas potenciales donde podrían existir objetos. Un componente conocido como Red de Propuesta de Región (RPN) genera un conjunto disperso de cuadros candidatos , a menudo denominados Regiones de Interés (RoI). Esta etapa filtra la mayor parte del fondo, permitiendo que la red concentre su poder de procesamiento en las áreas relevantes.
2. Clasificación y refinamiento: En la segunda etapa, el modelo extrae características de estas regiones candidatas utilizando redes neuronales convolucionales (CNN). A continuación, asigna una etiqueta de clase específica (por ejemplo, «persona», «vehículo») a cada región y refina las coordenadas del cuadro delimitador para encerrar estrechamente el objeto.

Entre los ejemplos más destacados de esta arquitectura se encuentran la familia R-CNN, concretamente Faster R-CNN y Mask R-CNN, que han marcado la pauta en los benchmarks académicos durante varios años.

Comparación con detectores de una sola etapa

Es útil distinguir los modelos de dos etapas de los detectores de objetos de una sola etapa, como el detector Single Shot MultiBox (SSD) y laYOLO Ultralytics . Mientras que los modelos de dos etapas dan prioridad a la precisión procesando las regiones por separado, los modelos de una sola etapa enmarcan la detección como un único problema de regresión, asignando los píxeles de la imagen directamente a las coordenadas del cuadro delimitador y a las probabilidades de clase.

Históricamente, esto creaba una disyuntiva: los modelos de dos etapas eran más precisos pero más lentos, mientras que los modelos de una sola etapa eran más rápidos pero menos precisos. Sin embargo, los avances modernos han difuminado esta línea. Los modelos de última generación, como YOLO26, utilizan ahora arquitecturas de extremo a extremo que rivalizan con la precisión de los detectores de dos etapas, al tiempo que mantienen la velocidad necesaria para la inferencia en tiempo real.

Aplicaciones en el mundo real

Debido a su énfasis en la precisión y la capacidad de recuperación, los detectores de dos etapas suelen ser los preferidos en escenarios en los que la seguridad y el detalle son más críticos que la velocidad de procesamiento bruta.

• Diagnóstico médico por imagen: En el campo de la IA en la asistencia sanitaria, pasar por alto un diagnóstico puede ser crítico. Las arquitecturas de dos etapas se utilizan con frecuencia en el análisis de imágenes médicas para detect anomalías como tumores en radiografías o resonancias magnéticas. El proceso de varios pasos ayuda a garantizar que no se pasen por alto pequeñas lesiones en fondos de tejido complejos, lo que proporciona a los radiólogos una asistencia automatizada de alta fiabilidad.
• Inspección industrial de alta precisión: en la fabricación inteligente, los sistemas de inspección visual automatizados utilizan estos modelos para identificar defectos microscópicos en las líneas de montaje. Por ejemplo, la detección de una fractura capilar en una pala de turbina requiere la alta precisión de la intersección sobre la unión (IoU) que proporcionan los detectores de dos etapas, lo que garantiza que solo los componentes impecables pasen a la siguiente etapa de producción.

Implementación de la detección moderna

Si bien los detectores de dos etapas sentaron las bases para una visión de alta precisión, los desarrolladores modernos suelen utilizar modelos avanzados de una sola etapa que ofrecen un rendimiento comparable con flujos de trabajo de implementación significativamente más sencillos. Ultralytics simplifica el entrenamiento y la implementación de estos modelos, gestionando de manera eficiente los conjuntos de datos y los recursos informáticos.

El siguiente Python muestra cómo cargar y ejecutar la inferencia utilizando un flujo de trabajo moderno de detección de objetos con ultralytics, logrando resultados de alta precisión similares a los enfoques tradicionales de dos etapas, pero con mayor eficiencia:

from ultralytics import YOLO

# Load the YOLO26 model, a modern high-accuracy detector
model = YOLO("yolo26n.pt")

# Run inference on an image to detect objects
results = model("https://ultralytics.com/images/bus.jpg")

# Process results (bounding boxes, classes, and confidence scores)
for result in results:
    result.show()  # Display the detection outcomes
    print(result.boxes.conf)  # Print confidence scores