Detección de objetos

La detección de objetos (object detection) responde dos preguntas a la vez sobre una imagen: qué hay y dónde está. El resultado típico es un conjunto de recuadros (bounding boxes), cada uno con una etiqueta («persona», «auto», «caja») y un nivel de confianza.

Es un paso más allá de la clasificación de imágenes, que solo dice «en esta foto hay un perro», y un paso antes de la segmentación, que marca el contorno exacto de cada objeto píxel por píxel. Los detectores modernos se basan en redes neuronales convolucionales o en transformers. La familia YOLO (You Only Look Once), presentada en 2015, popularizó la detección en tiempo real al analizar la imagen completa de una sola pasada. Conjuntos de datos públicos como COCO, de Microsoft, se usan como referencia para comparar modelos.

Aplicaciones cotidianas: contar productos en anaqueles, revisar que los trabajadores usen casco, detectar peatones en autos con asistencia al conductor o clasificar residuos en una planta de reciclaje. Muchas de estas tareas corren como IA en el dispositivo, directamente en la cámara.

Límites: objetos pequeños, tapados o en condiciones de luz que no aparecían en el entrenamiento. Por eso un detector entrenado con fotos de un almacén puede fallar en otro distinto.