En aplicaciones de visión por computadora, los dispositivos móviles pueden transferir la inferencia de Redes Neuronales Convolucionales (CNN) a la nube debido a sus restricciones computacionales. Sin embargo, además de introducir una mayor carga en la red en relación con la nube, este enfoque puede hacer que aplicaciones que requieren baja latencia sean inviables. Una posible solución es utilizar CNN con salidas tempranas en el borde de la red. Estas CNN pueden pre-clasificar parte de las muestras en las capas intermedias basándose en un criterio de confianza. Por lo tanto, el dispositivo envía a la nube solo las muestras que no han sido clasificadas satisfactoriamente. Este trabajo evalúa el rendimiento de estas CNN en el borde computacional, considerando una aplicación de detección de objetos. Para ello, empleamos un MobiletNetV2 con salidas tempranas. Los experimentos muestran que la clasificación temprana puede reducir la carga de datos y el tiempo de inferencia sin imponer pérdidas en el rendimiento de la aplicación.