Esporta un modello Ultralytics YOLOv8 addestrato su misura
Esplora il rilevamento di oggetti personalizzato con Ultralytics YOLOv8! Impara come addestrare, esportare ed eseguire l'inferenza in tempo reale su una webcam!
Unisciti a noi mentre esaminiamo più da vicino il rilevamento di oggetti personalizzati con Ultralytics YOLOv8. In questo post del blog, esploreremo il processo intricato di addestramento di un modello personalizzato, l'esportazione dei pesi addestrati e l'esecuzione di inferenza in tempo reale su una webcam.
Addestrare un modello di rilevamento oggetti personalizzato#
Nel nostro video precedente, ci siamo addentrati nel regno dell'addestramento di un modello Ultralytics YOLOv8 su un dataset personalizzato di tazze in Google Colab. Abbiamo visto il grafico dell'addestramento migliorare costantemente, con la perdita in diminuzione e la precisione media media (mAP) in aumento. Sulla base di ciò, il nostro modello speciale è ora in grado di identificare cinque diversi tipi di tazze con grande precisione.
Con il nostro modello personalizzato addestrato e pronto all'uso, è giunto il momento di esplorare la prossima frontiera: esportare i pesi addestrati ed eseguire l'inferenza in tempo reale su una webcam.
L'inferenza del modello è il processo di utilizzo di un modello di computer vision addestrato per effettuare previsioni o decisioni basate su dati nuovi e mai visti prima. È quando il modello utilizza dati di input, come un'immagine, e li elabora attraverso i suoi parametri e la sua struttura appresi. Il modello quindi produce un output, come classificazione, rilevamento o segmentazione, basato sul suo compito di addestramento.
In termini pratici, l'inferenza spesso comporta la distribuzione del modello addestrato in un ambiente di produzione dove può essere utilizzato per elaborare dati del mondo reale in scenari in tempo reale o di elaborazione batch.
Esportare ed eseguire l'inferenza con il modello addestrato#
Con i pesi del modello addestrato scaricati da Colab, possiamo importarli senza problemi in un ambiente Python, pronti a scatenare tutto il potenziale del nostro modello personalizzato.
Utilizzando poche righe di codice, possiamo configurare uno script Python per eseguire l'inferenza in tempo reale su una webcam, catturando riprese in tempo reale e rilevando diverse tazze con una precisione impressionante. La potenza di Ultralytics YOLOv8 traspare 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. Possono rilevare, segmentare o classificare oggetti che i modelli pre-addestrati potrebbero non supportare. Inoltre, possono aiutare ricercatori o data scientist a comprendere come l'architettura del modello si comporta su dataset del mondo reale.
Fig 1. Nicolai Nielsen illustra come addestrare un modello personalizzato, esportare i pesi addestrati ed eseguire l'inferenza in tempo reale su una webcam.
In conclusione#
Dall'addestramento di un modello personalizzato all'esportazione dei pesi addestrati e all'esecuzione dell'inferenza in tempo reale su una webcam, abbiamo assistito in prima persona alla potenza e alla versatilità di Ultralytics YOLOv8.
Unisciti a noi nella nostra ricerca per sbloccare tutto il potenziale del rilevamento di oggetti personalizzati con Ultralytics YOLOv8. Insieme, diamo forma al futuro dell'IA un rilevamento alla volta. Dai un'occhiata a Ultralytics Platform e alla nostra documentazione per ulteriori informazioni su tutto ciò che riguarda Ultralytics, e unisciti alla nostra community per rimanere aggiornato sulle ultime novità!
Se sei curioso di esportare modelli Ultralytics YOLOv8 addestrati su misura e di eseguire l'inferenza su webcam, guarda il video completo Guarda il video completo!
