Esportare un modello Ultralytics YOLOv8 addestrato personalizzato

Unisciti a noi mentre esaminiamo più da vicino il rilevamento di oggetti personalizzato con Ultralytics YOLOv8. In questo articolo del blog, esploreremo il complesso processo di training di un modello personalizzato, l'esportazione dei pesi addestrati e l'esecuzione dell'inferenza live su una webcam. 

Addestramento di un modello di object detection personalizzato

Nel nostro video precedente, abbiamo approfondito il regno dell'addestramento di un modello YOLOv8 su un dataset di tazze personalizzato in Google Colab. Abbiamo visto il grafico di addestramento migliorare costantemente, con la perdita che diminuiva e la posizione media dell'errore che aumentava. Sulla base di questo, il nostro modello speciale ora può identificare cinque diversi tipi di tazze in modo molto accurato.

‍

Con il nostro modello personalizzato addestrato e pronto all'uso, è il momento di esplorare la prossima frontiera: esportare i pesi addestrati ed eseguire l'inferenza in diretta su una webcam.

L'inferenza del modello è il processo di utilizzo di un modello di computer vision addestrato per fare previsioni o prendere decisioni basate su dati nuovi e non visti. Si verifica quando il modello utilizza dati di input, come un'immagine, e li elabora attraverso i suoi parametri e la sua struttura appresi. Il modello produce quindi un output, come la classificazione, il rilevamento o la segmentazione, in base al suo compito di addestramento. 

In termini pratici, l'inferenza spesso implica la distribuzione del modello addestrato in un ambiente di produzione dove può essere utilizzato per elaborare dati del mondo reale in tempo reale o in scenari di elaborazione batch.

Esportazione ed esecuzione dell'inferenza con il modello addestrato

Con i pesi del modello addestrato scaricati da Colab, possiamo importarli senza problemi in un ambiente Python, pronti a liberare tutto il potenziale del nostro modello personalizzato.

Utilizzando poche righe di codice, possiamo impostare uno script Python per eseguire l'inferenza live su una webcam, catturando filmati in tempo reale e rilevando diverse tazze con impressionante precisione. La potenza di YOLOv8 risplende mentre il nostro modello identifica senza sforzo tazze di varie forme, dimensioni e colori, mostrando la sua versatilità e affidabilità in scenari reali.

Il fine-tuning dei modelli offre diversi vantaggi. Può rilevare, segmentare o classificare oggetti che i modelli pre-addestrati potrebbero non supportare. Inoltre, può assistere ricercatori o data scientist nella comprensione delle prestazioni dell'architettura del modello su dataset reali.

Conclusione

Dall'addestramento di un modello personalizzato all'esportazione dei pesi addestrati e all'esecuzione dell'inferenza live su una webcam, abbiamo assistito in prima persona alla potenza e alla versatilità di YOLOv8.

Unisciti a noi nella nostra ricerca per sbloccare il pieno potenziale del rilevamento di oggetti personalizzato con Ultralytics YOLOv8. Insieme, plasmiamo il futuro dell'AI, un rilevamento alla volta. Dai un'occhiata a Ultralytics HUB e alla nostra documentazione per ulteriori informazioni su tutto ciò che riguarda Ultralytics, oltre ad unirti alla nostra community per rimanere aggiornato sugli ultimi sviluppi! 

Se sei curioso di esportare modelli YOLOv8 addestrati personalizzati ed eseguire l'inferenza sulla webcam, guarda il video completo qui!