Entrenamiento personalizado de Ultralytics YOLO11 para la estimación de la postura de perros

¿Qué pasaría si la postura de tu perro pudiera darte información sobre cómo se siente? Vigilarlo manualmente durante todo el día no es sencillo. Sin embargo, gracias a los avances en inteligencia artificial (IA) y visión artificial, podemos analizar grabaciones de vídeo en tiempo real para entender mejor su comportamiento.

Específicamente, modelos de visión artificial como Ultralytics YOLO11 pueden ayudar a estimar la postura de un perro y seguir sus movimientos, proporcionando información valiosa sobre su bienestar. ¿Cómo funciona esto? La capacidad de estimación de poses de YOLO11 puede identificar puntos clave en el cuerpo de un sujeto para entender su postura y movimiento.

Además, puedes entrenar YOLO11 de forma personalizada con un conjunto de datos diseñado para la estimación de la postura canina, lo que permite analizar el lenguaje corporal de tu mascota con precisión. El paquete de Python de Ultralytics es compatible con un conjunto de datos de poses caninas que facilita el entrenamiento y la implementación de modelos de visión IA para perros. Esta tecnología es parte del creciente mercado de tecnología para mascotas, valorado en 9400 millones de dólares en 2024 y con una proyección de alcanzar los 64 000 millones para 2037.

La inspiración detrás de este artículo es Blues, nuestro Director Ejecutivo Canino (DEO). Si echas un vistazo a nuestra página Sobre nosotros, verás que Blues es un miembro valioso del equipo y desempeña un papel importante manteniendo la diversión en Ultralytics.

En este artículo, hablaremos sobre cómo realizar un entrenamiento personalizado de YOLO11 utilizando el conjunto de datos de poses caninas para la estimación de la postura. También exploraremos sus aplicaciones prácticas en el cuidado de mascotas y el análisis de comportamiento.

Fig 1. Conoce a Blues, el Director Ejecutivo Canino (DEO) en Ultralytics.

Link to this sectionUna visión general del conjunto de datos de poses caninas#

Un conjunto de datos es una colección de datos utilizada para entrenar modelos de aprendizaje automático. Para la estimación de poses, un conjunto de datos ideal incluye imágenes con puntos clave etiquetados para mapear las posiciones corporales. También debe tener una variedad de poses, 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 para su uso en el mundo real.

El conjunto de datos de poses caninas, respaldado por Ultralytics, está diseñado específicamente para ayudar a los modelos a aprender y reconocer poses de perros de forma efectiva. Incluye más de 8400 imágenes anotadas de varias razas de perros, con etiquetas detalladas para 24 puntos clave, como la cola, las orejas y las patas.

Fig 2. Una visión general del conjunto de datos de poses caninas.

Link to this sectionCómo entrenar YOLO11 de forma personalizada con el conjunto de datos de poses caninas#

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

Ultralytics cuenta con soporte integrado para el conjunto de datos de poses caninas, lo que elimina la necesidad de etiquetado manual, permitiéndote pasar directamente al entrenamiento. Una vez configurado todo, puedes entrenar YOLO11 con este conjunto de datos usando solo unas pocas líneas de código, como se muestra en la imagen a continuación.

Durante el entrenamiento, el modelo aprende a detectar y seguir poses caninas en diferentes razas, condiciones de iluminación y entornos. Tras el entrenamiento, puedes visualizar los resultados y ajustar el modelo para mejorar la precisión y el rendimiento.

Fig 3. Fragmento de código que muestra el entrenamiento personalizado de YOLO11 con el conjunto de datos de poses caninas.

Si tienes algún problema durante el entrenamiento de tu modelo, aquí tienes algunos consejos de solución de problemas para ayudarte a resolverlos rápidamente:

• Comprueba tu conexión a internet: El conjunto de datos de poses caninas se descarga automáticamente cuando ejecutas el script de entrenamiento. Asegúrate de tener una conexión a internet estable para evitar errores en la descarga.
• Actualiza Ultralytics: Asegúrate de utilizar la última versión del paquete de Python de Ultralytics.
• Busca errores en la consola: Lee detenidamente cualquier mensaje de error, ya que suelen proporcionar pistas sobre lo que debe corregirse.

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

Link to this section¿Qué ocurre durante el entrenamiento personalizado del modelo?#

Quizás te preguntes qué sucede entre bastidores cuando realizas un entrenamiento personalizado de YOLO11 con el conjunto de datos de poses caninas. Analicemos el proceso con más detalle.

En lugar de empezar desde cero, utilizamos un modelo YOLO11-pose preentrenado, que ya ha sido entrenado con el conjunto de datos COCO-Pose. Este modelo preentrenado puede detectar puntos clave humanos, ya que COCO-Pose está diseñado para la estimación de la postura humana. De hecho, sin ningún entrenamiento adicional, puedes utilizar YOLO11-Pose para realizar la estimación de la postura humana directamente.

Mediante el aprendizaje por transferencia, adaptamos este modelo específicamente para la estimación de la postura canina, ayudándole a reconocer puntos clave como las patas, la cola y la cabeza. Al exponer el modelo a ejemplos específicos de perros, este aprende a centrarse en estas características esenciales.

Durante el entrenamiento, algunas partes del modelo permanecen sin cambios, manteniendo el conocimiento general obtenido del conjunto de datos COCO. Otras partes se reentrenan para mejorar la precisión en la estimación de poses caninas. El modelo aprende comparando sus predicciones con los puntos clave reales en el conjunto de datos y ajustándose para reducir los errores. Con el tiempo, este proceso lo hace mejor a la hora de seguir los movimientos de un perro con precisión.

El aprendizaje por transferencia también permite que el modelo se adapte a diferentes razas, tamaños y patrones de movimiento, garantizando un rendimiento fiable en escenarios del mundo real.

Fig 4. Puntos clave de Blues y su hermana Happy siendo detectados.

Link to this sectionLas ventajas de YOLO11 en la estimación de la postura canina#

Existen varios modelos de visión artificial, así que, ¿qué hace que YOLO11 sea la opción correcta para la estimación de la postura canina?

YOLO11 destaca por su velocidad y precisión en tiempo real, lo que lo convierte en una gran opción para la estimación de la postura canina. Funciona mejor que las versiones anteriores tanto en precisión como en velocidad. Con un 22 % menos de parámetros que YOLOv8, logra una precisión media media (mAP) más alta en el conjunto de datos COCO, lo que significa que detecta objetos con mayor precisión y eficiencia. Su rápida velocidad de procesamiento lo hace perfecto para aplicaciones en tiempo real, donde la detección rápida y fiable es esencial.

Más allá de la estimación de poses, YOLO11 también admite tareas de visión artificial como la segmentación de instancias y el seguimiento de objetos, lo que puede ayudar a crear una solución de visión IA más completa para supervisar a tu perro. Estas características pueden mejorar el seguimiento de movimientos, el análisis de comportamiento y el cuidado general de la mascota.

Fig 5. YOLO11 en acción: ¡segmentando a Blues sin esfuerzo!

Link to this sectionAplicaciones de la estimación de la postura canina y YOLO11#

A continuación, vamos a hablar de las aplicaciones en el mundo real de la estimación de la postura canina y su impacto en el cuidado de mascotas.

Link to this sectionMejora del entrenamiento de mascotas con la estimación de la postura canina#

La estimación de la postura canina puede hacer que el entrenamiento sea más inteligente y eficaz. Supongamos que se utiliza una cámara para capturar los movimientos del perro; aquí es donde interviene YOLO11. Puede detectar puntos clave como las patas, la cola y la cabeza, analizándolos para reconocer acciones como sentarse, quedarse quieto o tumbarse.

Si el perro no realiza la acción correctamente, el sistema puede proporcionar información instantánea a través de una aplicación, ayudando al entrenador en tiempo real. Esto hace que el entrenamiento sea más eficiente, preciso y receptivo al progreso del perro.

Por ejemplo, considera enseñarle a tu perro a sentarse a la orden. El sistema puede supervisar la postura de tu perro y detectar si está completamente sentado. Si el perro baja el cuerpo pero no termina de sentarse, el sistema puede detectar la acción incompleta y enviar una respuesta instantánea a través de una aplicación. Se puede alertar al entrenador para que haga pequeños ajustes en el entrenamiento, como reforzar la orden o guiar al perro hacia la posición correcta.

Fig 6. Blues ayudando al equipo con la estimación de la postura canina usando YOLO11.

Link to this sectionAvances 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 la postura canina para analizar los 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 proceso de recuperación de una lesión de ligamentos puede confiar en YOLO11, entrenado con el conjunto de datos de poses caninas, para realizar un análisis automatizado. Es fácil detectar cojeras o cambios en el posicionamiento de las patas. La supervisión continua las 24 horas del día, los 7 días de la semana, habilitada por visión, proporciona información clara sobre la recuperación del perro, ayudándoles a determinar si el tratamiento funciona o si es necesario realizar ajustes.

Link to this sectionEl futuro de la estimación de la postura canina#

A medida que la tecnología sigue evolucionando, es probable que soluciones como la estimación de la postura canina con YOLO11 desempeñen un papel más importante en la supervisión de animales y su bienestar. De hecho, YOLO11 puede integrarse con tecnología vestible, como collares inteligentes y rastreadores de salud, para supervisar indicadores clave de salud como la frecuencia cardíaca, los niveles de actividad y los patrones de movilidad.

Por ejemplo, un collar inteligente equipado con sensores de movimiento puede rastrear el paso del perro al caminar o correr, mientras que la estimación de poses de YOLO11 analiza la postura en tiempo real. Si el sistema detecta un movimiento irregular, como una cojera o rigidez, puede correlacionar estos datos con la frecuencia cardíaca y los niveles de actividad para evaluar posibles molestias o lesiones. Los propietarios de mascotas y los veterinarios utilizan esta información para identificar problemas a tiempo y tomar medidas proactivas.

Con estos avances, la estimación de la postura canina está evolucionando 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, ayudando a los perros a estar más sanos, más seguros y mejor supervisados en tiempo real.

Link to this sectionConclusiones clave#

Con innovaciones como YOLO11 y el conjunto de datos de poses caninas, estamos abriendo nuevas posibilidades en 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 el entrenamiento, supervisar la salud y hacer que el cuidado de las mascotas sea más eficaz. Ya sea en investigación, atención veterinaria o entrenamiento canino, la visión IA 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 aprender más sobre IA. Descubre cómo innovaciones como la visión artificial en la atención sanitaria y la IA en vehículos autónomos están dando forma al futuro. Consulta nuestras opciones de licencia para comenzar tus proyectos de visión IA hoy mismo.