Sistema de Detección de Logos en Vídeos Publicitarios

Proyecto de Computer Vision — Bootcamp IA & Data Engineering · Factoría F5 Madrid · 2026

Sistema de inteligencia artificial que analiza vídeos publicitarios para detectar cuánto tiempo aparece cada logo de marca en pantalla, generando informes con tiempo total y porcentaje de aparición por marca.

---

Arquitectura

Usuario
   │
   ▼
Frontend (React + Tailwind CSS + Recharts)
   │  POST /detect/video · GET /videos/{id}/report
   ▼
Backend (FastAPI)
   ├── inference/detector.py    ← YOLO11s desde Hugging Face
   ├── db/crud.py               ← PostgreSQL via SQLAlchemy
   └── storage/file_manager.py  ← crops en disco
   │
   ▼
PostgreSQL

---

Modelo

Campo	Detalle
Arquitectura	YOLO11s — 9.4M parámetros
Dataset	Logo Detection Clean v3 (Roboflow) — 22.088 imágenes
Marcas detectadas	15 (Nike, Adidas, Coca-Cola, Starbucks, Puma...)
mAP@50	0.891
mAP@50-95	0.722
Precisión	0.806
Recall	0.916
Pesos	Marco13423/logo-detection-yolo11s

---

Stack tecnológico

Capa	Tecnología
Modelo IA	YOLO11s (Ultralytics)
Backend	FastAPI + SQLAlchemy
Base de datos	PostgreSQL
Frontend	React + Tailwind CSS + Recharts + Vite
Gestión dependencias	uv (backend) · npm (frontend)
Contenedores	Docker + docker-compose
Modelo hosting	Hugging Face Hub
Hosting API	Render
Hosting Frontend	Vercel

---

Estructura del proyecto

Proyecto11_ComputerVision_Equipo3/
├── docker-compose.yml          ← levanta PostgreSQL con un comando
├── .env.example                ← variables de entorno documentadas
├── KANBAN.md                   ← tablero de tareas del proyecto
├── data/
│   ├── raw/                    ← imágenes sin procesar (excluido de git)
│   └── processed/              ← dataset anotado en formato YOLO (excluido de git)
├── training/
│   ├── download_dataset.py     ← descarga Logo Detection Clean v3 desde Roboflow
│   ├── verify_dataset.py       ← verifica integridad del dataset
│   ├── train.py                ← entrenamiento YOLO11s (perfiles: fast/medium/full)
│   └── upload_model.py         ← sube los pesos a Hugging Face
├── models/                     ← pesos best.pt (excluido de git, se descarga de HF)
│   └── modelo.md               ← documentación y métricas del modelo
├── services/
│   ├── backend/                ← API FastAPI
│   │   └── app/
│   │       ├── main.py         ← punto de entrada de la API
│   │       ├── inference/      ← wrapper YOLO11s: load_model, predict_image
│   │       ├── api/            ← endpoints: /detect/image, /videos/{id}/report
│   │       ├── db/             ← conexión PostgreSQL, crud, init_db
│   │       ├── models/         ← tablas SQLAlchemy: Brand, Video, Detection
│   │       └── storage/        ← file_manager: guarda y lee crops
│   └── frontend/               ← interfaz React
│       ├── src/
│       │   ├── components/     ← UploadZone, BrandCard, BrandChart...
│       │   ├── pages/          ← UploadPage, ReportPage, HistoryPage
│       │   └── services/api.js ← todas las llamadas a la API
│       └── package.json
└── docs/
    ├── contrato_datos.md       ← formato JSON acordado entre modelo y API
    ├── esquema_bd.md           ← diseño de las tablas PostgreSQL
    └── modelo.md               ← métricas del modelo entrenado

---

Instalación y arranque en local

Requisitos previos

• Python 3.10+
• uv instalado
• Docker Desktop
• Node.js 18+

1. Clonar el repositorio

git clone https://github.com/Bootcamp-IA-P6/Proyecto11_ComputerVision_Equipo3.git
cd Proyecto11_ComputerVision_Equipo3

2. Configurar variables de entorno

cp .env.example .env
# Editar .env con tus valores reales

Variables necesarias en .env:

DATABASE_URL=postgresql://postgres:postgres@localhost:5432/computer_vision_db
HF_TOKEN=tu_token_de_huggingface
ROBOFLOW_API_KEY=tu_api_key_de_roboflow

3. Levantar PostgreSQL

docker-compose up -d postgres_db

4. Arrancar el backend

cd services/backend
uv sync
uv run python app/db/init_db.py   # crea las tablas
uv run uvicorn app.main:app --reload
# → http://localhost:8000
# → http://localhost:8000/docs  (documentación automática)

El modelo se descarga automáticamente desde Hugging Face en el primer arranque.

5. Arrancar el frontend

cd services/frontend
npm install
npm run dev
# → http://localhost:5173

---

📡 Endpoints de la API

Método	Endpoint	Descripción
GET	/	Estado de la API
GET	/health	Health check
POST	/detect/image	Detecta logos en una imagen
POST	/detect/video	Procesa un vídeo completo frame a frame
GET	/videos/{id}/report	Informe completo de un vídeo procesado

Ejemplo de uso

# Detectar logos en una imagen
curl -X POST http://localhost:8000/detect/image \
  -F "file=@imagen_con_logo.jpg"

# Respuesta
{
  "filename": "imagen_con_logo.jpg",
  "total": 1,
  "detections": [
    {
      "brand_name": "Nike",
      "confidence": 0.891,
      "bounding_box": [100, 50, 300, 400],
      "frame_width": 1920,
      "frame_height": 1080
    }
  ]
}

---

🗄️ Esquema de base de datos

brands              videos                    detections
──────────          ──────────────────────    ──────────────────────────
brand_id (PK)       video_id (PK)             detection_id (PK)
brand_name          video_name                video_id  (FK → videos)
                    duration_seconds          brand_id  (FK → brands)
                    processed_at              start_time
                                              end_time
                                              confidence
                                              bounding_box (JSONB)
                                              crop_path

---

Entrenar el modelo

cd training
uv sync

# Descargar dataset (Logo Detection Clean v3)
uv run python download_dataset.py

# Verificar integridad del dataset
uv run python verify_dataset.py

# Entrenar — perfil rápido (15 épocas, 30% dataset)
uv run python train.py --profile fast

# Entrenar — perfil medio (20 épocas, 100% dataset) — por defecto
uv run python train.py

# Entrenar — perfil completo (50 épocas)
uv run python train.py --profile full

# Subir pesos a Hugging Face
uv run python upload_model.py

---

Métricas del modelo por clase

Marca	mAP@50	Precisión	Recall
Under Armour	0.978	0.935	0.944
Apple Inc	0.960	0.945	0.973
Starbucks	0.959	0.868	0.991
The North Face	0.944	0.930	1.000
Hard Rock Cafe	0.937	0.753	0.988
Mercedes-Benz	0.941	0.880	0.978
NFL	0.924	0.853	0.948
Toyota	0.890	0.841	0.862
Puma	0.881	0.766	0.887
Adidas	0.868	0.631	0.947
Coca-Cola	0.865	0.823	0.872
Chanel	0.834	0.768	0.797
Pepsi	0.818	0.737	0.727
Emirates	0.794	0.632	0.921
Nike	0.765	0.721	0.904

---

Equipo

Miembro	Rol principal
Andres	Dataset, entrenamiento YOLO11s, frontend React, pipeline HF
Maryori	Modelo YOLOv8s (referencia), EDA, inferencia detector.py
IsaRodAm	Backend FastAPI, base de datos, persistencia, contrato de datos

---

Estado real del proyecto

Implementado y verificado

• Estructura de repositorio y entornos uv independientes
• PostgreSQL dockerizado con tablas brands, videos, detections
• Pipeline de entrenamiento YOLO11s con 3 perfiles
• Modelo YOLO11s en Hugging Face (mAP@50: 0.891)
• Endpoint POST /detect/image funcionando
• Persistencia de detecciones en BD (crud.py + file_manager.py)
• Frontend React con drag & drop, informe y gráficos

En progreso

• Endpoint POST /detect/video (procesado frame a frame)
• Cálculo de tiempos y porcentajes por marca

Pendiente

• Despliegue en Render + Vercel
• Flujo completo verificado en producción

---

Licencia académica

Este proyecto se desarrolla con fines exclusivamente académicos en el marco del Bootcamp de IA y Data Engineering de Factoría F5. Los logos, marcas registradas e imágenes utilizadas pertenecen a sus respectivos propietarios.

---

🔗 Referencias

• Dataset: Logo Detection Clean v3
• Modelo en Hugging Face
• Ultralytics YOLO11
• Briefing original