Object Detection - Custom (CPU)

Este bloque de función te permite ejecutar un detector de objetos personalizado sobre una imagen de entrada usando tus propios archivos de weight, config y class. Usa los controles para cargar los archivos del modelo, elegir qué clases detectar y ajustar el umbral de confianza. El bloque devuelve una imagen de resultado visual y también datos estructurados de detección (conteos, ubicaciones, tamaños y etiquetas) para uso posterior.

📥 Entradas

Image Any Imagen que será procesada por el detector personalizado.

📤 Salidas

Image Any Imagen anotada con las detecciones (cajas/etiquetas) dibujadas.

Object Count Número de objetos detectados en el fotograma.

Object Locations Posiciones centrales de los objetos detectados (múltiples).

Object Sizes (w, h) Ancho y alto de cada objeto detectado (múltiples).

Object Class Nombres de las clases detectadas (múltiples).

Rectangles Coordenadas de las cajas delimitadoras para cada detección (múltiples).

🕹️ Controles

Open Weight File Botón para cargar el archivo de pesos del detector (por ejemplo, .weights).

Open Config File Botón para cargar el archivo de configuración del detector (por ejemplo, .cfg).

Open Class File Botón para cargar el archivo de nombres de clases (archivo de texto plano). Después de cargarlo, los nombres de las clases se llenan en la tabla.

Class Names Tabla que muestra las clases disponibles. Alterna las filas para seleccionar qué clases debe informar el detector.

Confidence Threshold % Deslizador para establecer la confianza mínima requerida para que se informe una detección. Aumenta el valor para reducir falsos positivos; disminúyelo para capturar detecciones más débiles.

🎯 Características

• Carga sencilla de recursos de modelo personalizados mediante botones de UI.

• Subconjunto de clases seleccionables para centrar la detección en objetos relevantes.

• Devuelve tanto salida visual como datos: imagen anotada, conteos, posiciones, tamaños, etiquetas de clase y rectángulos.

• Funcionamiento compatible con CPU para sistemas sin GPU.

📝 Instrucciones de uso

1. Haz clic en Open Weight File y selecciona tu archivo de pesos del detector.

2. Haz clic en Open Config File y selecciona el archivo de configuración correspondiente.

3. Haz clic en Open Class File y carga el archivo de texto con los nombres de las clases. La tabla Class Names se llenará.

4. Alterna las filas en Class Names para elegir qué clases quieres detectar.

5. Alimenta una imagen al puerto Image Any.

6. Ajusta Confidence Threshold % para controlar cuán estrictas deben ser las detecciones.

7. Lee los valores de salida o conecta bloques posteriores para reaccionar ante las detecciones.

📊 Qué hace el bloque al ejecutarse

• Procesa la imagen de entrada con el detector cargado usando las clases seleccionadas y el umbral de confianza establecido.

• Produce una imagen anotada en Image Any y datos de detección en las demás salidas para conteo, medición, seguimiento, registro o toma de decisiones.

💡 Consejos y trucos

• Si quieres inspeccionar visualmente los resultados en una ventana más grande, conecta la salida Image Any al bloque Show Image.

• Para dibujar superposiciones personalizadas o formatear las anotaciones de detección de otra forma, usa el bloque Draw Detections con las salidas Rectangles y de conteo.

• Para aumentar el rendimiento en imágenes grandes, inserta Image Resizer antes de este bloque para reducir la resolución; esto suele acelerar la detección con poco impacto en la precisión.

• Limita el área de búsqueda para acelerar y estabilizar resultados recortando con Image ROI Select o Image ROI antes de alimentar la imagen.

• Para mantener un registro de los fotogramas con detecciones, conecta la salida de imagen anotada a Image Logger o Image Write.

• En escenarios continuos donde quieras mantener identidades entre fotogramas, empareja este bloque con Object_Detection_Tracker usando las salidas de rectángulos y clases.

• Si necesitas un detector alternativo rápido para pruebas, compara resultados con los bloques Object Detection o Object Detection (D-FINE) (si están disponibles) para encontrar el mejor equilibrio entre velocidad y calidad.

🛠️ Solución de problemas

• No aparecen clases después de cargar el archivo de clases

  • Asegúrate de haber seleccionado el archivo correcto (texto plano con una clase por línea). Usa Open Class File de nuevo si es necesario.

• El detector informa demasiados falsos positivos

  • Aumenta Confidence Threshold %. También prueba redimensionar la imagen con Image Resizer o restringir el área con Image ROI Select.

• El detector no detecta objetos pequeños o lejanos

  • Reduce cuidadosamente Confidence Threshold %, o pasa una imagen de mayor resolución al bloque (evita tamaños extremadamente grandes — usa Image Resizer para equilibrar velocidad y detalle).

• Rendimiento lento en CPU

  • Reduce la resolución de entrada con Image Resizer o recorta la región de interés con Image ROI Select. Considera ejecutar la detección con menor frecuencia (por ejemplo, procesamiento por lotes).

• Necesitas actuar sobre las detecciones en otras partes del flujo

  • Usa las salidas numéricas y estructuradas (Object Count, Object Locations, Rectangles, Object Class) para alimentar bloques lógicos, de registro o de seguimiento como Object_Detection_Tracker.