Entrenamiento personalizado de Ultralytics YOLO11 para estimar la pose de perros

¿Y si la postura de tu perro pudiera darte pistas sobre cómo se siente? No es fácil vigilarlo las 24 horas del día. Sin embargo, gracias a los avances de la inteligencia artificial (AI) y la visión artificial, podemos analizar secuencias de vídeo en tiempo real para comprender mejor su comportamiento.

En concreto, los modelos de visión artificial como Ultralytics YOLO11 pueden ayudar a estimar la postura de un perro y seguir sus movimientos, lo que aporta información valiosa sobre su bienestar. ¿Cómo funciona? La capacidad de estimación de pose de YOLO11 puede identificar puntos clave del cuerpo del sujeto para interpretar su postura y sus movimientos.

Además, YOLO11 se puede entrenar con datos personalizados mediante un conjunto de datos diseñado para la estimación de la pose de perros, lo que permite analizar con precisión el lenguaje corporal de tu mascota. El paquete Ultralytics para Python admite un conjunto de datos de pose canina que facilita el entrenamiento y la implementación de modelos de IA de visión para perros. Esta tecnología forma parte del pujante mercado de tecnología para mascotas, valorado en 9.400 millones de dólares en 2024 y que se prevé que alcance los 64.000 millones de dólares en 2037.

La inspiración de este artículo es Blues, nuestro director ejecutivo canino (DEO). Si visitas nuestra página Quiénes somos, verás que Blues es un valioso miembro del equipo y que desempeña un papel importante para que en Ultralytics no falte la diversión.

En este artículo veremos cómo entrenar Ultralytics YOLO11 con datos personalizados mediante el conjunto de datos Dog-Pose para estimar la pose de perros. También exploraremos sus aplicaciones prácticas en el cuidado de mascotas y el análisis del comportamiento.

Fig. 1. Te presentamos a Blues, director ejecutivo canino (DEO) de Ultralytics.

Descripción general del conjunto de datos Dog-Pose#

Un conjunto de datos es una colección de datos que se utiliza para entrenar modelos de aprendizaje automático. Para la estimación de pose, un conjunto de datos ideal incluye imágenes con puntos clave etiquetados para representar las posiciones del cuerpo. También debe incluir distintas posturas, ángulos, condiciones de iluminación y fondos para ayudar al modelo a aprender a reconocer y predecir poses con precisión. Esta diversidad hace que el modelo sea más fiable en situaciones reales.

El conjunto de datos Dog-Pose, compatible con Ultralytics, está diseñado específicamente para ayudar a los modelos a aprender y reconocer las poses de los perros con eficacia. Incluye más de 8400 imágenes anotadas de distintas razas de perros, que puedes consultar en Ultralytics Platform, con etiquetas detalladas para 24 puntos clave, como la cola, las orejas y las patas.

Fig. 2. Descripción general del conjunto de datos Dog-Pose.

Cómo entrenar Ultralytics YOLO11 con el conjunto de datos Dog-Pose#

El entrenamiento personalizado de YOLO11 con el conjunto de datos Dog-Pose es un proceso sencillo. Para empezar, tendrás que configurar el entorno instalando el paquete de Python de Ultralytics, que incluye todas las herramientas necesarias para el entrenamiento y la evaluación.

Ultralytics incluye compatibilidad integrada con el conjunto de datos Dog-Pose, lo que elimina la necesidad de etiquetar manualmente y te permite empezar directamente con el entrenamiento. Una vez que todo esté configurado, puedes entrenar YOLO11 con el conjunto de datos Dog-Pose usando solo unas pocas líneas de código, como se muestra en la imagen siguiente.

Durante el entrenamiento, el modelo aprende a detectar y seguir las poses de los perros de distintas razas, condiciones de iluminación y entornos. Después del entrenamiento, puedes visualizar los resultados y ajustar el modelo para mejorar su precisión y rendimiento.

Fig. 3. Fragmento de código que muestra el entrenamiento personalizado de Ultralytics YOLO11 con el conjunto de datos Dog-Pose.

Si tienes algún problema durante el entrenamiento del modelo, aquí tienes algunos consejos para solucionarlo rápidamente:

• Comprueba tu conexión a Internet: El conjunto de datos Dog-Pose se descarga automáticamente al ejecutar el script de entrenamiento. Asegúrate de tener una conexión a Internet estable para evitar errores de descarga.
• Actualiza Ultralytics: Asegúrate de utilizar la versión más reciente del paquete de Python de Ultralytics.
• Comprueba si hay errores en la consola: Lee atentamente los mensajes de error, ya que suelen indicar qué hay que corregir.

Puedes consultar la guía de problemas comunes de Ultralytics para obtener más consejos de resolución de problemas.

¿Qué ocurre durante el entrenamiento personalizado de un modelo?#

Quizá te preguntes qué ocurre entre bastidores cuando entrenas de forma personalizada Ultralytics YOLO11 con el conjunto de datos Dog-Pose. Veamos el proceso más de cerca.

En lugar de empezar desde cero, utilizamos un modelo Ultralytics YOLO11-pose preentrenado, que ya se ha entrenado con el conjunto de datos COCO-Pose. Este modelo preentrenado puede detectar puntos clave del cuerpo humano, ya que COCO-Pose está diseñado para estimar poses humanas. De hecho, puedes usar YOLO11-Pose para estimar poses humanas directamente, sin ningún entrenamiento adicional.

Mediante el aprendizaje por transferencia, adaptamos este modelo específicamente para estimar poses de perros, de modo que pueda reconocer puntos clave como las patas, la cola y la cabeza. Al exponer el modelo a ejemplos específicos de perros, aprende a centrarse en estas características esenciales.

Durante el entrenamiento, algunas partes del modelo no cambian y conservan los conocimientos generales adquiridos con el conjunto de datos COCO. Otras partes se vuelven a entrenar para mejorar la precisión al estimar poses de perros. El modelo aprende comparando sus predicciones con los puntos clave reales del conjunto de datos y haciendo ajustes para reducir los errores. Con el tiempo, este proceso mejora su capacidad para seguir con precisión los movimientos de un perro.

El aprendizaje por transferencia también permite que el modelo se adapte a distintas razas, tamaños y patrones de movimiento, para que funcione de forma fiable en situaciones reales.

Fig. 4. Detección de los puntos clave de Blues y de su hermana Happy.

Ventajas de Ultralytics YOLO11 para estimar poses de perros#

Hay diversos modelos de visión artificial, así que ¿por qué YOLO11 es la opción adecuada para estimar poses de perros?

Ultralytics YOLO11 destaca por su velocidad y precisión en tiempo real, lo que lo convierte en una gran opción para la estimación de pose de perros. Supera a las versiones anteriores tanto en precisión como en velocidad. Por ejemplo, YOLO11m alcanza una precisión media promedio (mAP) superior en el conjunto de datos COCO que YOLOv8m, con un 22 % menos de parámetros; es decir, detecta objetos con mayor precisión y eficiencia. Su velocidad de procesamiento lo hace ideal para aplicaciones en tiempo real, en las que es esencial detectar de forma rápida y fiable.

Además de estimar poses, Ultralytics YOLO11 también admite tareas de visión artificial como la segmentación de instancias y el seguimiento de objetos, que pueden ayudar a crear una solución de IA visual más completa para vigilar a tu perro. Estas funciones pueden mejorar el seguimiento de movimientos, el análisis del comportamiento y el cuidado general de las mascotas.

Fig. 5. Ultralytics YOLO11 en acción: segmentación de Blues.

Aplicaciones de la estimación de poses de perros y Ultralytics YOLO11#

A continuación, veamos las aplicaciones reales de la estimación de poses de perros y su repercusión en el cuidado de las mascotas.

Mejora del adiestramiento de mascotas mediante la estimación de poses de perros#

La estimación de pose de perros puede hacer que su adiestramiento sea más inteligente y eficaz. Imagina que se utiliza una cámara para captar los movimientos del perro. Aquí es donde puede intervenir Ultralytics YOLO11. Puede detectar puntos clave, como las patas, la cola y la cabeza, y analizarlos para reconocer acciones como sentarse, quedarse quieto o tumbarse.

Si el perro no realiza la acción correctamente, el sistema puede proporcionar comentarios inmediatos a través de una aplicación, lo que ayuda al adiestrador en tiempo real. Así, el adiestramiento es más eficiente, preciso y adaptable a los progresos del perro.

Por ejemplo, imagina que enseñas a tu perro a sentarse cuando se lo ordenas. El sistema puede supervisar su postura y detectar si está completamente sentado. Si el perro baja el cuerpo, pero no llega a sentarse del todo, el sistema puede detectar que la acción está incompleta y enviar comentarios inmediatos a través de una aplicación. Se puede avisar al adiestrador para que haga pequeños ajustes en el adiestramiento, como reforzar la orden o guiar al perro hasta la posición correcta.

Fig. 6. Blues ayuda al equipo a estimar poses de perros con Ultralytics YOLO11.

Avances en la atención veterinaria con modelos de estimación de poses#

La visión artificial puede transformar la forma en que los veterinarios abordan el cuidado de los animales. La capacidad de la estimación de poses de perros para analizar detalles con precisión facilita la detección de patrones de movimiento inusuales y la identificación de posibles problemas de salud.

Por ejemplo, un veterinario que supervise a un perro en recuperación de una lesión de ligamentos puede utilizar Ultralytics YOLO11, entrenado con el conjunto de datos Dog-Pose, para realizar análisis automatizados. Se pueden detectar fácilmente cojera o cambios en la posición de las patas. La supervisión continua las 24 horas del día, los 7 días de la semana, mediante visión artificial ofrece información clara sobre la recuperación del perro y ayuda a determinar si el tratamiento funciona o si hay que hacer ajustes.

El futuro de la estimación de poses de perros#

A medida que la tecnología evoluciona, es probable que soluciones como la estimación de poses de perros con YOLO11 desempeñen un papel más importante en la supervisión de animales y su bienestar. De hecho, YOLO11 puede integrarse con tecnología ponible, como collares inteligentes y dispositivos de seguimiento de la salud, para supervisar indicadores clave como la frecuencia cardíaca, los niveles de actividad y los patrones de movilidad.

Por ejemplo, un collar inteligente equipado con sensores de movimiento puede seguir el paso de un perro al caminar o correr, mientras que la estimación de pose de Ultralytics YOLO11 analiza su postura en tiempo real. Si el sistema detecta movimientos irregulares, como cojear o tener rigidez, puede relacionar estos datos con la frecuencia cardíaca y los niveles de actividad para evaluar posibles molestias o lesiones. Los propietarios de mascotas y los veterinarios pueden utilizar esta información para detectar problemas a tiempo y tomar medidas preventivas.

Con estos avances, la estimación de poses de perros va más allá del simple seguimiento de movimientos: se está convirtiendo en una parte clave de un sistema integral de cuidado de mascotas basado en IA que ayuda a mantener a los perros más sanos y seguros, y mejor supervisados en tiempo real.

Conclusiones clave#

Gracias a innovaciones como Ultralytics YOLO11 y el conjunto de datos Dog-Pose, estamos abriendo nuevas posibilidades en el campo de la visión artificial. Estos avances nos ayudan a comprender mejor el comportamiento y la salud de los perros de formas que antes no eran posibles.

Al seguir con precisión las poses de los perros, podemos mejorar su adiestramiento, supervisar su salud y hacer que su cuidado sea más eficaz. Tanto en investigación como en atención veterinaria o adiestramiento canino, la IA visual está creando formas más inteligentes de cuidar a nuestros perros y mejorar su bienestar.

Únete a nuestra comunidad y explora nuestro repositorio de GitHub para obtener más información sobre la IA. Descubre cómo innovaciones como la visión artificial en la atención sanitaria y la IA en los coches autónomos están dando forma al futuro. Consulta nuestras opciones de licencia para empezar hoy mismo tus proyectos de IA visual.