3 de febrero de 2025
Aprenda a entrenar a Ultralytics YOLO11 para la estimación de la postura de los perros y aproveche el modelo entrenado para aplicaciones prácticas como el cuidado de mascotas.
¿Qué pasaría si la postura de tu perro pudiera darte información sobre cómo se siente? Monitorizarlos manualmente las 24 horas del día no es fácil. Sin embargo, gracias a los avances en inteligencia artificial (IA) y visión artificial, podemos analizar secuencias de vídeo en tiempo real para comprender mejor su comportamiento.
En concreto, modelos de visión por ordenador como Ultralytics YOLO11 pueden ayudar a estimar la postura de un perro y track sus movimientos, proporcionando información valiosa sobre su bienestar. ¿Cómo funciona? La capacidad de estimación de la postura de YOLO11puede identificar puntos clave en el cuerpo de un sujeto para comprender su postura y movimiento.
Además, YOLO11 puede entrenarse de forma personalizada en un conjunto de datos diseñado para la estimación de la postura de los perros, lo que permite analizar con precisión el lenguaje corporal de su mascota. El paquetePython Ultralytics es compatible con un conjunto de datos Dog-Pose que facilita el entrenamiento y la implantación de modelos de IA de visión para perros. Esta tecnología forma parte del floreciente mercado de la 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 Dog Executive Officer (DEO). Si echas un vistazo a nuestra página Quiénes somos, verás que Blues es un valioso miembro del equipo y desempeña un papel importante para que todo sea divertido en Ultralytics.
En este artículo, explicaremos cómo personalizar el entrenamiento de YOLO11 utilizando el conjunto de datos Dog-Pose para la estimación de la postura de los perros. También exploraremos sus aplicaciones prácticas en el cuidado de mascotas y el análisis del comportamiento.
Un conjunto de datos (dataset) es una colección de datos utilizada para entrenar modelos de aprendizaje automático. Para la estimación de la pose, un conjunto de datos ideal incluye imágenes con puntos clave etiquetados para mapear las posiciones del cuerpo. También debe tener una variedad de poses, ángulos, condiciones de iluminación y fondos para ayudar al modelo a aprender a reconocer y predecir las poses con precisión. Esta diversidad hace que el modelo sea más fiable para su uso en el mundo real.
El conjunto de datos Dog-Pose, respaldado por Ultralytics, está diseñado específicamente para ayudar a los modelos a aprender y reconocer las poses de los perros con eficacia. Incluye más de 8.400 imágenes anotadas de varias razas de perros, con etiquetas detalladas para 24 puntos clave, como la cola, las orejas y las patas.
El entrenamiento personalizado de YOLO11 con el conjunto de datos Dog-Pose es un proceso sencillo. Para empezar, tendrá que configurar su entorno instalando el paqueteUltralytics Python , que incluye todas las herramientas necesarias para el entrenamiento y la evaluación.
Ultralytics es compatible con el conjunto de datos Dog-Pose, lo que elimina la necesidad de etiquetado manual y le permite empezar directamente con el entrenamiento. Una vez que todo está configurado, puede entrenar YOLO11 en el conjunto de datos Dog-Pose utilizando sólo unas pocas líneas de código, como se muestra en la imagen siguiente.
Durante el entrenamiento, el modelo aprende a detect y track las poses de los perros 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.
Si tiene algún problema al entrenar su modelo, aquí tiene algunos consejos para solucionarlos rápidamente:
Puede consultar la Guía de problemas comunesUltralytics para obtener más consejos sobre la solución de problemas.
Quizá se pregunte qué ocurre entre bastidores cuando se entrena YOLO11 de forma personalizada en el conjunto de datos Dog-Pose. Echemos un vistazo más de cerca al proceso.
En lugar de empezar desde cero, utilizamos un modelo YOLO11 preentrenado, que ya ha sido entrenado en el conjunto de datosCOCO. Este modelo preentrenado puede detect puntos clave humanos, ya que COCO está diseñado para la estimación de la pose humana. De hecho, sin ningún entrenamiento adicional, puede utilizar YOLO11 para realizar la estimación de la pose humana nada más sacarlo de la caja.
A través del aprendizaje por transferencia, adaptamos este modelo específicamente para la estimación de la pose de perros, ayudándole a 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 permanecen inalteradas, conservando el conocimiento general obtenido del conjunto de datos COCO . Otras partes se vuelven a entrenar para mejorar la precisión en la estimación de las posturas de los perros. El modelo aprende comparando sus predicciones con los puntos clave reales del conjunto de datos y ajustándose para reducir los errores. Con el tiempo, este proceso mejora la precisión del seguimiento de los movimientos del perro.
El aprendizaje por transferencia también permite que el modelo se adapte a diferentes razas, tamaños y patrones de movimiento, lo que garantiza que funcione de forma fiable en escenarios del mundo real.
Existen varios modelos de visión por ordenador. ¿Qué hace que YOLO11 sea la mejor opción para estimar la postura de los perros?
YOLO11 destaca por su velocidad y precisión en tiempo real, lo que lo convierte en una gran opción para la estimación de la pose de los perros. Ofrece mejores resultados que las versiones anteriores tanto en precisión como en velocidad. Con un 22% menos de parámetros que YOLOv8, alcanza una mayor precisión mediamAP) en el conjunto de datos COCO , lo que significa que detecta los objetos con mayor precisión y eficacia. Su rápida velocidad de procesamiento lo hace perfecto para aplicaciones en tiempo real, en las que es esencial una detección rápida y fiable.
Más allá de la estimación de la postura, YOLO11 también admite tareas de visión por ordenador como la segmentación de instancias y el seguimiento de objetos, lo que puede ayudar a crear una solución Vision AI más completa para controlar a su perro. Estas funciones pueden mejorar el seguimiento de movimientos, el análisis del comportamiento y el cuidado general de las mascotas.
A continuación, analicemos las aplicaciones del mundo real de la estimación de poses de perros y su impacto en el cuidado de mascotas.
La estimación de la postura del perro puede hacer que el adiestramiento sea más inteligente y eficaz. Supongamos que se utiliza una cámara para captar los movimientos del perro, aquí es donde YOLO11 puede intervenir. Puede detect 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 retroalimentación 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, considere la posibilidad de enseñar a su perro a sentarse a la orden. El sistema puede controlar la postura del perro y detect si está completamente sentado. Si el perro baja el cuerpo pero no se sienta del todo, el sistema puede detect la acción incompleta y enviar información instantánea a través de una aplicación. El entrenador puede modificarse para realizar pequeños ajustes en el adiestramiento, como reforzar la orden o guiar al perro hacia la posición correcta.
La visión artificial puede transformar la forma en que los veterinarios abordan el cuidado de los animales. La capacidad de la estimación de la pose del perro para analizar los detalles con precisión facilita la detección de patrones de movimiento inusuales e identificar posibles problemas de salud.
Por ejemplo, un veterinario que controle a un perro que se recupera de una lesión de ligamentos puede confiar en YOLO11, entrenado en el conjunto de datos Dog-Pose, para realizar un análisis automatizado. La cojera o los cambios en la posición de las patas pueden detectarse fácilmente. La monitorización continua, 24 horas al día y 7 días a la semana, proporciona información clara sobre la recuperación del perro, ayudándole a determinar si el tratamiento está funcionando o si es necesario realizar ajustes.
A medida que la tecnología siga evolucionando, es probable que soluciones como la estimación de la postura del perro con YOLO11 desempeñen un papel más importante en la vigilancia y el bienestar de los animales. De hecho, YOLO11 puede integrarse con tecnología ponible, como collares inteligentes y rastreadores de salud, para controlar indicadores clave de salud como la frecuencia cardiaca, los niveles de actividad y los patrones de movilidad.
Por ejemplo, un collar inteligente equipado con sensores de movimiento puede track la forma de andar o correr de un perro, mientras que la estimación de postura de YOLO11analiza la postura en tiempo real. Si el sistema detecta movimientos irregulares, como cojera o rigidez, puede correlacionar estos datos con la frecuencia cardiaca y los niveles de actividad para evaluar posibles molestias o lesiones. Los dueños de mascotas y los veterinarios pueden utilizar estos datos para detectar problemas a tiempo y tomar medidas proactivas.
Con estos avances, la estimación de la pose de los perros está evolucionando más allá del simple seguimiento del movimiento: se está convirtiendo en una parte clave de un sistema integral de cuidado de mascotas impulsado por la IA, ayudando a los perros a mantenerse más sanos, seguros y mejor supervisados en tiempo real.
Con innovaciones como YOLO11 y el conjunto de datos Dog-Pose, estamos abriendo nuevas posibilidades en el campo de la visión por ordenador. Estos avances nos ayudan a comprender mejor el comportamiento y la salud de los perros de formas que antes no eran posibles.
Al rastrear con precisión las poses de los perros, podemos mejorar el entrenamiento, controlar la salud y hacer que el cuidado de las mascotas sea más eficaz. Ya sea en la investigación, la atención veterinaria o el adiestramiento canino, la visión artificial está creando formas más inteligentes de cuidar a nuestros perros y mejorar su bienestar.
Únete a nuestra comunidad y explora nuestro repositorio en GitHub para obtener más información sobre la IA. Descubre cómo innovaciones como la visión artificial en la atención médica y la IA en los coches autónomos están moldeando el futuro. Consulta nuestras opciones de licencia para comenzar hoy mismo tus proyectos de Visión Artificial.
