En este artículo se discute el problema de detectar imágenes JPEG que han sido manipuladas esteganográficamente. Se analiza el rendimiento de emplear varios algoritmos de aprendizaje superficial y profundo en la detección de esteganografía de imágenes. Los datos, imágenes de la base de datos BOSS, se utilizaron con información oculta usando tres algoritmos esteganográficos populares: distorsión relativa universal de la ondaletas JPEG (J-Uniward), nsF5 y distorsión de incrustación uniforme revisada (UERD) en dos niveles de densidad. Se verificaron varios espacios de características, siendo los residuos de la transformada discreta del coseno (DCTR) y los residuos del filtro de Gabor (GFR) los que dieron mejores resultados. Se logró una detección casi perfecta para el algoritmo nsF5 a una densidad de 0.4 bpnzac (99.9% de precisión), mientras que la detección de J-Uniward a una densidad de 0.1 bpnzac resultó ser apenas posible (máx. 56.3% de precisión). Los clasificadores de conjunto resultaron ser una alternativa alentadora a los métodos de detección basados en aprendizaje profundo.