3 de febrero de 2025
Aprenda a entrenar de forma personalizada Ultralytics YOLO11 para la estimación de la pose de 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.
Específicamente, los modelos de visión artificial como Ultralytics YOLO11 pueden ayudar a estimar la postura de un perro y rastrear su movimiento, proporcionando información valiosa sobre su bienestar. ¿Cómo funciona esto? La capacidad de estimación de la pose de YOLO11 puede identificar puntos clave en el cuerpo de un sujeto para comprender su postura y movimiento.
Además, YOLO11 se puede entrenar de forma personalizada en un conjunto de datos diseñado para la estimación de la pose de perros, lo que permite analizar con precisión el lenguaje corporal de su mascota. El paquete de Python de Ultralytics admite un conjunto de datos de pose de perros que facilita el entrenamiento y la implementación de modelos de Vision AI para perros. Esta tecnología forma parte del auge del mercado de tecnología para mascotas, valorado en 9.400 millones de dólares en 2024 y con una proyección de alcanzar los 64.000 millones de dólares en 2037.
La inspiración detrás de este artículo es Blues, nuestro Director Ejecutivo Canino (DEO). Si visitas nuestra página Acerca de nosotros, verás que Blues es un miembro valioso del equipo y juega un papel importante para mantener un ambiente divertido en Ultralytics.
En este artículo, discutiremos cómo entrenar YOLO11 de forma personalizada utilizando el conjunto de datos Dog-Pose para la estimación de la pose de 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 de manera 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.
El entrenamiento personalizado de YOLO11 con el Dog-Pose Dataset es un proceso sencillo. Para empezar, tendrá que configurar su entorno instalando el paquete de Python Ultralytics, que incluye todas las herramientas necesarias para el entrenamiento y la evaluación.
Ultralytics tiene soporte integrado para el conjunto de datos Dog-Pose y esto elimina la necesidad de etiquetado manual, lo que le permite saltar directamente al entrenamiento. Una vez que todo está configurado, puede entrenar YOLO11 en el conjunto de datos Dog-Pose utilizando solo unas pocas líneas de código, como se muestra en la imagen a continuación.
Durante el entrenamiento, el modelo aprende a detectar y rastrear las poses de los perros en diferentes razas, condiciones de iluminación y entornos. Después del entrenamiento, puede 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 Comunes de Ultralytics para obtener más consejos de solución de problemas.
Puede que se pregunte qué sucede entre bastidores cuando entrena de forma personalizada YOLO11 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-pose pre-entrenado, que ya ha sido entrenado en el conjunto de datos COCO-Pose. Este modelo pre-entrenado puede detectar puntos clave humanos, ya que COCO-Pose está diseñado para la estimación de la pose humana. De hecho, sin ningún entrenamiento adicional, puede utilizar YOLO11-Pose para realizar la estimación de la pose humana de forma inmediata.
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 sin cambios, conservando el conocimiento general adquirido del conjunto de datos COCO. Otras partes se vuelven a entrenar para mejorar la precisión en la estimación de las poses 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 lo hace mejor en el seguimiento preciso de los movimientos de un 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 artificial, entonces, ¿qué hace que YOLO11 sea la elección correcta para la estimación de la pose de perros?
YOLO11 destaca por su velocidad y precisión en tiempo real, lo que la convierte en una excelente opción para la estimación de la pose de perros. Tiene un mejor rendimiento que las versiones anteriores tanto en precisión como en velocidad. Con un 22% menos de parámetros que YOLOv8, alcanza una mayor precisión media (mAP) en el conjunto de datos COCO, lo que significa que detecta los objetos con mayor precisión y eficiencia. Su rápida velocidad de procesamiento la hace perfecta para aplicaciones en tiempo real, donde la detección rápida y fiable es esencial.
Más allá de la estimación de la pose, 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 artificial más completa para monitorear a tu perro. Estas características pueden mejorar el seguimiento del movimiento, 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 pose de perros puede hacer que el entrenamiento canino sea más inteligente y efectivo. Digamos que se está utilizando una cámara para capturar los movimientos del perro, aquí es donde YOLO11 puede intervenir. 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 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 de su perro y detectar si está completamente sentado. Si el perro baja el cuerpo pero no se sienta completamente, el sistema puede detectar la acción incompleta y enviar información instantánea a través de una aplicación. El entrenador puede ser modificado para hacer pequeños ajustes al entrenamiento, como reforzar la orden o guiar al perro a 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 supervisa a un perro que se recupera de una lesión de ligamentos puede confiar en YOLO11, entrenado con el conjunto de datos Dog-Pose, para realizar un análisis automatizado. La cojera o los cambios en el posicionamiento de las patas se pueden detectar fácilmente. La monitorización continua 24 horas al día, 7 días a la semana, habilitada por la visión, proporciona información clara sobre la recuperación del perro, lo que les ayuda a determinar si el tratamiento está funcionando o si es necesario realizar ajustes.
A medida que la tecnología sigue evolucionando, es probable que soluciones como la estimación de la pose de perros con YOLO11 desempeñen un papel más importante en el monitoreo de animales y el bienestar. De hecho, YOLO11 puede integrarse con tecnología portátil, como collares inteligentes y rastreadores de salud, para monitorear 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 andar de un perro al caminar o correr, mientras que la estimación de la pose de YOLO11 analiza la postura en tiempo real. Si el sistema detecta un movimiento irregular, como cojera o rigidez, puede correlacionar estos datos con la frecuencia cardíaca y los niveles de actividad para evaluar posibles molestias o lesiones. Los dueños de mascotas y los veterinarios pueden utilizar esta información para identificar los problemas de forma temprana 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 la visión artificial. Estos avances nos ayudan a comprender mejor el comportamiento y la salud de los perros de maneras 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.
.webp)