🧪 Herramienta Interactiva
Playground de Detección
Experimenta con los modelos de detección de objetos y landmarks sin necesidad de ejecutar código. Ajusta la confianza, el IoU para NMS y el tamaño del modelo, y observa en tiempo real cómo cambian las detecciones. Explora cómo YOLO y MediaPipe procesan imágenes reales.
Imagen
→
Backbone (CSPDarknet)
→
Neck (PAN-FPN)
→
Head
→
NMS
→
Resultado
Parámetros del modelo
Modelo YOLO
Filtrar clases
Resultado de la detección
Experimenta: baja el umbral de confianza para ver detecciones menos seguras,
o ajusta el IoU de NMS para controlar cuántas cajas solapadas se eliminan.
Pasa el cursor sobre cada caja para ver detalles. Los modelos más grandes (
l, x)
detectan objetos difíciles con mayor confianza.
Configuración de landmarks
Landmarks detectados
MediaPipe detecta landmarks en tiempo real usando un pipeline
detect-then-track: primero localiza la persona/mano/cara con un
detector ligero, y luego regresa los keypoints con un modelo especializado.
Ajusta la confianza para filtrar landmarks poco fiables.
Non-Maximum Suppression paso a paso
NMS elimina detecciones duplicadas. El modelo predice muchas cajas solapadas para cada objeto; NMS mantiene solo la de mayor confianza y suprime las que tienen IoU alto con ella.
Todas las predicciones
Proceso NMS
Resultado final
IoU (Intersection over Union) mide el solapamiento entre dos cajas:
IoU = Area_interseccion / Area_union.
Un umbral IoU bajo (
0.3) elimina más cajas; uno alto (0.7) conserva más.