Detección de objetos · COCO
Detección
Ochenta tipos de objeto en tiempo real con tu cámara: seguimiento entre fotogramas, contador por línea, mapa de calor y un modo que difumina a las personas.
Los modelos no se descargan hasta que lo pides: así nadie gasta datos solo por leer la página.
Ficha del modelo
- Datos
- COCO 2017Anotaciones CC BY 4.0; imágenes bajo los términos de Flickr (no se redistribuyen) · Lin et al., Microsoft COCO: Common Objects in Context (2014)
- Modelo
- D-FINE-NApache-2.0
- Entrenamiento
- 0 épocas · CPU · 0 minModelo preentrenado en COCO train2017 por los autores; aquí no se reentrena. Se exporta a ONNX desde PyTorch; la variante fp16 convierte pesos y cálculo a media precisión y la int8 guarda los pesos en 8 bits por canal (ver ml/detection/export_onnx.py y quantize.py).
- AP en COCO val
- 42.8
- Latencia en CPU (servidor)
- 216 ms
- Tamaño fp16
- 7.9 MB
- Tamaño int8
- 4.5 MB
Fuente del AP: https://github.com/Peterande/D-FINE#-model-zoo
Dónde falla
- Solo reconoce las 80 categorías de COCO; cualquier otro objeto se ignora o se confunde con la más parecida.
- La imagen se reescala a 640×640 sin mantener la proporción: en fotos muy panorámicas o verticales los objetos se deforman y la precisión baja.
- Es el modelo más pequeño de la familia D-FINE (4 M de parámetros, 42,8 AP en COCO val2017): falla más con objetos pequeños, ocultos o amontonados.
- La variante int8 (WASM) guarda los pesos en 8 bits: puede dar puntuaciones algo distintas a la fp16 (WebGPU) y perder alguna detección dudosa.
- COCO refleja sobre todo fotos de Flickr de Norteamérica y Europa; en otros contextos, iluminaciones o tipos de cámara el rendimiento puede ser peor.
- La puntuación no es una probabilidad calibrada: un 0,6 no significa que acierte el 60 % de las veces.
- Corre en tu navegador: la imagen no sale de tu dispositivo.
Ficha generada por el pipeline de entrenamiento el 2026-10-18.
Por qué este modelo
Elegí D-FINE nano por dos motivos. Es un detector de tipo DETR: predice directamente un conjunto de cajas y no necesita el paso de supresión de duplicados de otros detectores, lo que simplifica el código del navegador. Y su licencia es Apache 2.0.
Los YOLO de Ultralytics son muy populares, pero su licencia AGPL-3.0 obliga a publicar el código de cualquier servicio web que los use. Para una web comercial eso es un requisito legal, no un detalle.
Seguimiento y conteo
Un detector ve cada fotograma por separado. Para saber que la persona de ahora es la misma de hace un instante hace falta un seguidor: aquí, un SORT ligero que predice dónde estará cada objeto con un filtro de Kalman y lo empareja con la detección que más se le solapa. Con identidades estables, contar quién cruza una línea es trivial.
Rendimiento
Con WebGPU corre la versión en media precisión; sin ella, una versión cuantizada a 8 bits en WebAssembly. El indicador de la esquina enseña cuál estás usando y cuántos fotogramas por segundo da tu dispositivo.
¿Tu negocio necesita un modelo como estos, o basta con una regla bien puesta? Lo vemos en el diagnóstico gratuito.
Pedir diagnóstico