Hands-On Computer Vision with Detectron2

Guía práctica orientada al desarrollo de aplicaciones de visión artificial modernas utilizando Detectron2, la biblioteca de código abierto de Facebook AI Research (FAIR) construida sobre PyTorch. La obra está dirigida a ingenieros de software, científicos de datos y practicantes de aprendizaje profundo que ya cuentan con conocimientos básicos de Python y redes neuronales, y que desean especializarse en la implementación de modelos avanzados de percepción visual sin perderse en la construcción de arquitecturas desde cero.

El libro detalla la arquitectura modular del framework y sus componentes internos, enseñando a aprovechar el Model Zoo para tareas de detección de objetos (Faster R-CNN, RetinaNet), segmentación de instancias (Mask R-CNN), detección de puntos clave (Keypoint Detection) y segmentación panóptica. Abarca la preparación de conjuntos de datos con anotaciones en formato COCO, el ajuste de hiperparámetros y optimizadores (SGD, AdamW), el seguimiento del entrenamiento con TensorBoard y técnicas de aumento de datos con el sistema AugInput (incluyendo MixUp, Mosaic y Test-Time Augmentation). En su tramo final, aborda el refinamiento de máscaras con PointRend y la puesta en producción exportando modelos con TorchScript para servidores C++, ONNX para aplicaciones web y D2Go con cuantización para dispositivos móviles.

A lo largo de sus capítulos se construyen pipelines completos de entrenamiento y despliegue sobre datos personalizados, destacando un modelo de segmentación de tumores cerebrales en imágenes médicas y el empaquetado de modelos para entornos edge y navegadores. Su gran virtud es desmitificar la configuración interna y los solvers de Detectron2 con un enfoque directo de código y visualización, aunque deja fuera la fundamentación matemática de las convoluciones y arquitecturas base, asumiéndola conocida. Conviene tener soltura previa con PyTorch y familiaridad con entornos de ejecución acelerados por GPU como Google Colab.