Esportazione di un modello Ultralytics YOLOv8 addestrato in modo personalizzato

Scoprite insieme a noi il rilevamento di oggetti personalizzati con Ultralytics YOLOv8. In questo blogpost esploreremo l'intricato processo di addestramento di un modello personalizzato, l'esportazione dei pesi addestrati e l'esecuzione dell'inferenza dal vivo su una webcam. 

Addestramento di un modello di rilevamento degli oggetti personalizzato

Nel nostro video precedente, ci siamo addentrati nel campo dell' addestramento di un modello YOLOv8 su un dataset di tazze personalizzato in Google Colab. Abbiamo visto che il grafico dell'addestramento migliora costantemente, con la perdita che diminuisce e la posizione media dell'errore che aumenta. Su questa base, il nostro modello speciale è ora in grado di identificare con estrema precisione cinque diversi tipi di tazze.

‍

Con il nostro modello personalizzato addestrato e pronto per l'uso, è il momento di esplorare la prossima frontiera: esportare i pesi addestrati ed eseguire l'inferenza dal vivo 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 nuovi dati non visti. Il modello utilizza i dati di input, come un'immagine, e li elabora attraverso i parametri e la struttura appresi. Il modello produce quindi un risultato, come la classificazione, il rilevamento o la segmentazione, in base al compito di addestramento. 

In termini pratici, l'inferenza spesso comporta l'implementazione del modello addestrato in un ambiente di produzione, dove può essere utilizzato per elaborare dati reali 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.

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

I modelli di fine-tuning offrono diversi vantaggi. Possono rilevare, segmentare o classificare oggetti che i modelli preaddestrati potrebbero non supportare. Inoltre, possono aiutare i ricercatori o i data scientist a capire come si comporta l'architettura del modello su set di dati reali.

Conclusione

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

Unitevi a noi nella ricerca di sbloccare il pieno potenziale del rilevamento di oggetti personalizzati con Ultralytics YOLOv8. Insieme, diamo forma al futuro dell'IA, un rilevamento alla volta. Consultate Ultralytics HUB e i nostri documenti per ulteriori informazioni su tutto ciò che riguarda Ultralytics e unitevi alla nostra comunità per rimanere aggiornati sugli ultimi sviluppi! 

Se siete curiosi di sapere come esportare modelli YOLOv8 addestrati in modo personalizzato ed eseguire l'inferenza su webcam, guardate il video completo qui!