Segmentación con modelos Ultralytics YOLOv8 preentrenados en Python
Aprende a ejecutar la segmentación de instancias con modelos preentrenados de Ultralytics YOLOv8 en Python, desde la inferencia en directo con la webcam hasta el entrenamiento con conjuntos de datos de segmentación.
Nuvola Ladi2 min de lectura
En esta publicación, veremos la segmentación de objetos con el modelo Ultralytics YOLOv8 y explicaremos cómo configurar y ejecutar la segmentación en Python.
Preparativos para la segmentación#
Empecemos con Ultralytics YOLOv8. Para instalar el paquete Ultralytics basta con un solo comando; después, podrás utilizar las capacidades de segmentación del modelo.
La segmentación de instancias va un paso más allá de la detección de objetos: localiza objetos individuales en una imagen y los separa del fondo.
El resultado incluye máscaras o contornos que delimitan cada objeto, junto con etiquetas de clase y puntuaciones de confianza. Esta técnica es útil cuando se necesita conocer con precisión la forma de los objetos, ya que proporciona no solo su ubicación, sino también información detallada sobre su forma.
Con unos pocos comandos sencillos, puedes ejecutar predicciones desde la línea de comandos.
Segmentación en directo: da vida a las imágenes#
La segmentación no se limita a imágenes estáticas. Con un breve script de Python, también puedes ejecutarla en tiempo real sobre una señal de vídeo en directo.
Al utilizar la clase YOLO junto con OpenCV, puedes segmentar los fotogramas de la cámara web y mostrar los resultados a medida que se procesan.
En el vídeo, el modelo segmenta objetos cotidianos, desde sillas hasta plantas.
Fig. 1. Nicolai Nielsen explica los modelos de segmentación de COCO preentrenados.
En Ultralytics también ofrecemos modelos de segmentación preentrenados con COCO, que son un buen punto de partida para muchos casos de uso. Después, puedes ajustar estos modelos a tus necesidades específicas.
En conjunto, ofrecemos compatibilidad con varios conjuntos de datos, como segmentación de instancias de piezas de automóviles, segmentación de grietas y segmentación de envases industriales. Entrenar modelos de segmentación con estos conjuntos de datos es muy sencillo: basta con ejecutar un único comando disponible en nuestra documentación:
yolo segment train data=carparts-seg.yaml model=yolov8n-seg.pt epochs=100 imgsz=640No te lo pierdas#
En los próximos vídeos profundizaremos en Ultralytics YOLOv8 y veremos el entrenamiento personalizado y la inferencia con tus propios conjuntos de datos.
Nuestro compromiso es simplificar el uso de la IA y el aprendizaje automático, un segmento cada vez.
Mira el vídeo completo en YouTube.
Escrito por
Responsable de contenidos digitales · Ultralytics
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.
