Uno de los avances fundamentales en la implementación de detectores de objetos en aplicaciones en tiempo real es mejorar el reconocimiento de objetos contra obstrucciones, oscuridad y ruidos en imágenes. Además, la detección de objetos es una tarea desafiante ya que requiere la detección correcta de objetos en imágenes. La segmentación semántica y la localización son un módulo importante para reconocer un objeto en una imagen. El método de localización de objetos (Grad-CAM++) es utilizado principalmente por investigadores para la localización de objetos, el cual utiliza el gradiente con una capa de convolución para construir un mapa de localización para regiones importantes en la imagen. Este documento propone un método llamado Grad-CAM++ combinado con la Red Neuronal Convolucional Regional de Máscara (GC-MRCNN) para detectar objetos en la imagen y también para la localización. La principal ventaja del método propuesto es que supera a todos los métodos contrapartes en el dominio y también puede ser usado en entornos no supervisados. El detector propuesto basado en GC-MRCNN proporciona una capacidad robusta y factible en la detección y clasificación de objetos existentes y sus formas en tiempo real. Se encontró que el método propuesto es capaz de funcionar de manera altamente efectiva y eficiente en una amplia gama de imágenes y proporciona una representación visual de mayor resolución que los métodos existentes (Grad-CAM, Grad-CAM++), lo cual fue demostrado al comparar varios algoritmos.