Exporta un modelo de Ultralytics YOLOv8 personalizado

Únete a nosotros mientras analizamos más de cerca la detección de objetos personalizada con Ultralytics YOLOv8. En esta entrada de blog, exploraremos el complejo proceso de entrenar un modelo personalizado, exportar los pesos entrenados y ejecutar inferencia en tiempo real mediante una webcam.

Link to this sectionEntrenamiento de un modelo de detección de objetos personalizado#

En nuestro vídeo anterior, nos adentramos en el ámbito del entrenamiento de un modelo YOLOv8 con un conjunto de datos de tazas personalizado en Google Colab. Vimos cómo el gráfico de entrenamiento mejoraba constantemente, con la pérdida disminuyendo y la precisión media (mAP) aumentando. Basándonos en esto, nuestro modelo especial ahora puede identificar cinco tipos diferentes de tazas con gran precisión.

Con nuestro modelo personalizado entrenado y listo para funcionar, es hora de explorar la siguiente frontera: exportar los pesos entrenados y ejecutar inferencia en tiempo real con una webcam.

La inferencia de modelos es el proceso de utilizar un modelo de visión artificial entrenado para realizar predicciones o decisiones basadas en datos nuevos y no vistos. Es cuando el modelo utiliza datos de entrada, como una imagen, y los procesa a través de sus parámetros y estructura aprendidos. El modelo entonces produce una salida, como una clasificación, detección o segmentación, basada en su tarea de entrenamiento.

En términos prácticos, la inferencia suele implicar desplegar el modelo entrenado en un entorno de producción donde pueda ser utilizado para procesar datos del mundo real en tiempo real o en escenarios de procesamiento por lotes.

Link to this sectionExportar y ejecutar la inferencia con el modelo entrenado#

Con los pesos del modelo entrenado descargados de Colab, podemos importarlos sin problemas a un entorno de Python, listos para liberar todo el potencial de nuestro modelo personalizado.

Utilizando unas pocas líneas de código, podemos configurar un script de Python para ejecutar inferencia en tiempo real en una webcam, capturando metraje en vivo y detectando diferentes tazas con una precisión impresionante. El poder de YOLOv8 brilla a medida que nuestro modelo identifica sin esfuerzo tazas de diversas formas, tamaños y colores, demostrando su versatilidad y fiabilidad en escenarios del mundo real.

El ajuste fino de modelos ofrece varios beneficios. Pueden detectar, segmentar o clasificar objetos que los modelos preentrenados podrían no admitir. Además, pueden ayudar a investigadores o científicos de datos a comprender cómo se comporta la arquitectura del modelo con conjuntos de datos del mundo real.

Fig 1. Nicolai Nielsen describiendo cómo entrenar un modelo personalizado, exportar los pesos entrenados y ejecutar inferencia en tiempo real en una webcam.

Link to this sectionConclusión#

Desde el entrenamiento de un modelo personalizado hasta la exportación de los pesos entrenados y la ejecución de inferencia en tiempo real en una webcam, hemos sido testigos de primera mano del poder y la versatilidad de YOLOv8.

Únete a nosotros en nuestra búsqueda para desbloquear todo el potencial de la detección de objetos personalizada con Ultralytics YOLOv8. Juntos, demos forma al futuro de la IA una detección a la vez. Echa un vistazo a Ultralytics Platform y a nuestra documentación para obtener más información sobre todo lo relacionado con Ultralytics, además de unirte a nuestra comunidad para mantenerte al día de los últimos desarrollos.

Si tienes curiosidad por exportar modelos YOLOv8 entrenados a medida y ejecutar la inferencia en tu cámara web, ¡mira el vídeo completo Watch the full video!