Segmentación con modelos Ultralytics YOLOv8 preentrenados en Python
Descubre el potencial de YOLOv8. Conoce su velocidad, precisión y capacidades de detección en tiempo real. Explora sus aspectos más destacados y participa en nuestras GitHub Discussions para saber más.
Veamos el mundo de la segmentación de objetos con el modelo Ultralytics YOLOv8. En esta entrada del blog te guiaremos por todos los entresijos de la configuración y ejecución sencilla de la segmentación en Python.
Preparando el terreno para la segmentación#
Empecemos centrándonos en Ultralytics YOLOv8. Instalar este potente modelo es muy sencillo y, en cuestión de instantes, estarás preparado para aprovechar sus capacidades de segmentación.
La segmentación de instancias va un paso más allá de la detección de objetos, ya que identifica objetos individuales dentro de una imagen y los separa del fondo.
Su salida consta de máscaras o contornos que delimitan cada objeto, acompañados de etiquetas de clase y puntuaciones de confianza. Esta técnica resulta muy valiosa cuando se necesitan formas de objetos precisas, ya que proporciona no solo la ubicación del objeto, sino también información detallada sobre su forma.
Con unos pocos comandos sencillos, podrás ejecutar predicciones desde la línea de comandos y comprobar de primera mano la innovación y sencillez que Ultralytics YOLOv8 aporta.
Segmentación en directo: dar vida a las imágenes#
Pero ¿por qué limitarnos a imágenes estáticas cuando podemos experimentar la segmentación en tiempo real? Nuestro script de Python es tu puerta de entrada al dinámico mundo de la segmentación en directo.
Al aprovechar la clase YOLO e integrarla fácilmente con OpenCV, podrás dar vida a tus proyectos y descubrir información y patrones ocultos sobre la marcha.
Desde identificar sillas hasta delimitar plantas, las posibilidades son tan ilimitadas como tu imaginación.
Fig. 1. Nicolai Nielsen delimitando los modelos de segmentación de COCO preentrenados.
En Ultralytics, también ofrecemos compatibilidad con modelos de segmentación de COCO preentrenados, que constituyen un excelente punto de partida para cualquier caso de uso. Después puedes ajustar estos modelos para adaptarlos a tus necesidades específicas.
En conjunto, ofrecemos compatibilidad con varios conjuntos de datos, como la segmentación de instancias de piezas de automóvil, la segmentación de grietas y la segmentación de paquetes industriales. Entrenar modelos de segmentación con estos conjuntos de datos es muy sencillo gracias a un único comando disponible en nuestra documentación:
No te lo pierdas#
Acompáñanos en los próximos vídeos mientras profundizamos en el mundo de Ultralytics YOLOv8 y exploramos el entrenamiento personalizado y la inferencia con tus propios conjuntos de datos.
Nos comprometemos a simplificar las complejidades de la IA y el aprendizaje automático, un segmento cada vez. Nuestra misión es ayudar tanto a particulares como a organizaciones a aprovechar todo el potencial de tecnologías punteras como Ultralytics YOLOv8. Con nuestra orientación y tu curiosidad, no hay forma de saber qué increíbles avances nos esperan.
Acompáñanos para aprovechar todo el potencial de Ultralytics YOLOv8. ¡Mira el vídeo completo Mira el vídeo completo!
