Reconocimiento inteligente de motivos bordados en monederos: comparando las series YOLO y RT-DETR

Por qué importan hoy los antiguos monederos bordados

En toda China, los pequeños monederos bordados cargaban antaño hierbas, amuletos y deseos de buena fortuna. Hoy muchos sobreviven solo en cajones de museos y colecciones privadas. Cada pequeña flor o dragón cosido codifica historias sobre creencias, moda y vida cotidiana. Sin embargo, digitalizar y catalogar a mano estos objetos ricamente decorados es un proceso dolorosamente lento. Este estudio explora cómo la inteligencia artificial moderna puede reconocer automáticamente los motivos en estos monederos, ayudando a museos y comunidades a preservar una importante rama del patrimonio cultural inmaterial en la era digital.

De la mano y la mirada al reconocimiento inteligente

Tradicionalmente, los expertos identificaban los diseños de los monederos inspeccionando fotografías y consultando libros de referencia. Ese enfoque no escala a decenas de miles de piezas dispersas por archivos. Los investigadores, en cambio, reunieron una colección de imágenes especializada de 783 monederos bordados extraídos de libros y del archivo digital de un gran museo. Definieron ocho categorías comunes de motivos —incluyendo plantas y flores, aves y bestias, insectos y vida acuática, paisajes y edificios, símbolos y caracteres, figuras y narraciones, objetos y antigüedades, y patrones geométricos— y dibujaron con cuidado cuadros alrededor de cada motivo en cada imagen. Para contrarrestar el tamaño reducido del conjunto de datos, voltearon digitalmente, rotaron, aclararon, oscurecieron y desenfocaron las imágenes, ampliando el material de entrenamiento más de cuatro veces mientras verificaban las etiquetas con software y expertos en patrimonio cultural.

Poniendo a prueba herramientas de IA populares

Con este conjunto de datos curado, el equipo comparó dos familias de sistemas de detección de objetos. Una familia, conocida como YOLO, se usa ampliamente para tareas rápidas como detectar peatones o coches en vídeo. Estos modelos analizan la imagen en una sola pasada y dependen en gran medida de parches locales. La otra, un diseño más reciente llamado RT-DETR, combina filtros de imagen convencionales con atención de estilo transformador, que puede conectar pequeñas puntadas con la escena global. Los autores primero ajustaron varias variantes de YOLO y eligieron YOLOv5m como una línea base sólida. Funcionó razonablemente bien en algunas categorías —especialmente escenas narrativas complejas agrupadas bajo “Figuras y narraciones”— pero tuvo dificultades cuando los motivos eran pequeños, estaban muy superpuestos o se fundían con el fondo. En esos casos, las flores podían desaparecer, los bordes geométricos se interpretaban mal y porciones de la imagen eran etiquetadas incorrectamente como fondo vacío.

Cómo un híbrido transformador ve las puntadas

Los investigadores se centraron luego en mejorar RT-DETR para este desafío visual inusual. Sustituyeron su backbone estándar por ConvNeXt-Large, una red convolucional moderna diseñada para capturar texturas finas sin perder la perspectiva global. También adoptaron una estrategia de entrenamiento llamada Focal Loss, que indica al modelo prestar atención extra a ejemplos difíciles y fácilmente confundibles en lugar de conformarse con los fáciles. Dentro de RT-DETR, las características de la imagen del monedero se extraen a varias escalas y se fusionan, mientras un mecanismo de atención enlaza regiones distantes pero relacionadas, como parejas de animales coincidentes o bordes repetidos. Mediante estudios de ablación cuidadosos y la afinación paso a paso de los calendarios de aprendizaje y la regularización, los autores llegaron a una configuración optimizada que equilibra precisión y estabilidad a lo largo de múltiples entrenamientos.

Qué logra realmente el sistema mejorado

Medido con puntuaciones estándar de detección de objetos, el RT-DETR mejorado superó claramente a los modelos YOLO. Su métrica principal de precisión, mAP@0.5, alcanzó 0,5433 —aproximadamente un 33 % de mejora sobre la línea base YOLOv5m— con estadísticas que muestran que esta ganancia probablemente no es casual. El sistema se desempeñó especialmente bien en escenas narrativas intrincadas, logrando una precisión media de 0,833 para “Figuras y narraciones”, y recuperó muchos motivos que YOLO pasó por alto, particularmente en categorías escasas o poco representadas como paisajes y bordes geométricos. También demostró mayor consistencia en experimentos repetidos, lo que indica un comportamiento fiable en lugar de un sobreajuste frágil a una sola división entrenamiento-prueba. El contrapeso es el tamaño: el mejor modelo RT-DETR es mucho más grande y pesado que sus homólogos YOLO, lo que podría limitar su despliegue en dispositivos ligeros.

Qué significa esto para el patrimonio cultural

Para los no especialistas, el mensaje clave es que los ordenadores están aprendiendo no solo a encontrar coches y rostros, sino a leer el lenguaje de la artesanía tradicional. Al mostrar que un detector basado en transformadores, cuidadosamente adaptado y entrenado, puede identificar motivos bordados densos y superpuestos con mayor precisión que modelos en tiempo real populares, este trabajo establece un punto de referencia para futuras herramientas. Museos e instituciones culturales podrían eventualmente usar sistemas así para buscar grandes colecciones fotográficas por motivo, seguir la evolución de ciertos símbolos o ayudar a artesanos a recuperar diseños antiguos. Los autores enfatizan que el rendimiento aún es moderado y que se necesitan más refinamientos —incluyendo modelos más ligeros y la incorporación de conocimiento cultural y descripciones textuales— antes del despliegue a gran escala. Aun así, el estudio marca un paso significativo hacia un manejo digital inteligente y respetuoso del patrimonio de los monederos bordados.

Cita: Yang, H., Sui, Q., Xie, H. et al. Intelligent recognition of embroidered purse patterns: comparing YOLO series and RT-DETR. npj Herit. Sci. 14, 251 (2026). https://doi.org/10.1038/s40494-026-02518-3

Palabras clave: reconocimiento de patrones bordados, patrimonio cultural inmaterial, detección de objetos, <keyword>preservación digital