Detección de objetos con un modelo Ultralytics YOLOv8 preentrenado

En este tutorial, exploramos los modelos Ultralytics YOLO y cómo usarlos para la detección de objetos.

Descripción general del modelo Ultralytics YOLOv8#

Empecemos por las características del modelo Ultralytics YOLOv8. Este modelo supone un avance importante en el campo de la detección de objetos y ofrece un buen equilibrio entre velocidad y precisión. En comparación con los modelos YOLO anteriores, YOLOv8 ofrece una inferencia más rápida sin comprometer la precisión de la detección.

Durante nuestro análisis, compararemos la velocidad de inferencia y la precisión de Ultralytics YOLOv8 con las de otros modelos YOLO para mostrar sus ventajas en la detección de objetos en tiempo real. Con YOLOv8, los usuarios pueden esperar una mejora considerable del rendimiento en una amplia variedad de aplicaciones.

Uso de modelos Ultralytics YOLOv8 preentrenados#

Una de las principales ventajas del modelo Ultralytics YOLOv8 es su facilidad de uso, especialmente con modelos preentrenados. Tanto si eres un desarrollador experto como si acabas de empezar en el campo de la visión artificial, el aprendizaje automático o el aprendizaje profundo, utilizar modelos YOLOv8 preentrenados es muy sencillo.

Con solo dos líneas de código Python, puedes ejecutar un modelo Ultralytics YOLOv8 preentrenado para la detección de objetos. Así, integrar capacidades de visión artificial en tus proyectos resulta sencillo y requiere un esfuerzo mínimo.

Documentación y argumentos de Ultralytics YOLOv8#

También conviene conocer los recursos disponibles para el modelo Ultralytics YOLOv8. Nuestros próximos tutoriales tratarán diversos temas, como la detección de objetos personalizada, el seguimiento de objetos, la estimación de poses y la segmentación, y ofrecerán una guía completa para usuarios de todos los niveles.

Fig. 1. Principales tareas que realizan los modelos Ultralytics YOLO.

Además, veremos los argumentos clave de predicción para sacar el máximo partido a Ultralytics YOLOv8. Entender argumentos como el origen, el umbral de confianza y la selección del dispositivo te ayudará a adaptar los modelos a requisitos específicos.

Detección de objetos en tiempo real con una cámara web#

Ultralytics YOLOv8 también puede realizar detección de objetos en tiempo real con una cámara web. En el vídeo, YOLOv8 detecta objetos en una señal en directo de la cámara web a más de 100 fotogramas por segundo.

Tanto si supervisas una calle concurrida como si sigues objetos en un entorno caótico, Ultralytics YOLOv8 funciona bien en situaciones en tiempo real. Gracias a su capacidad para detectar con precisión y eficiencia una amplia variedad de objetos, YOLOv8 abre nuevas posibilidades de aplicación en distintos sectores, como la sanidad, la agricultura y la fabricación.

Conclusiones#

En conclusión, YOLOv8 representa un avance significativo en la detección de objetos. En Ultralytics, nos comprometemos a ofrecer a desarrolladores e investigadores herramientas y recursos prácticos para el aprendizaje automático y la inteligencia artificial. Desde entonces, Ultralytics YOLO26 ha sucedido a YOLOv8 y puedes ejecutar YOLO26 con la misma API de Python.

Mira el vídeo completo y no te pierdas más tutoriales, guías y novedades. Únete a nuestra comunidad para compartir lo que creas con Ultralytics YOLO.