Treino personalizado do Ultralytics YOLO11 para estimativa da pose de cães

E se a postura do seu cão pudesse dar-lhe informações sobre como ele se sente? Monitorizá-lo manualmente 24 horas por dia não é fácil. No entanto, graças aos avanços da inteligência artificial (AI) e da visão computacional, podemos analisar imagens de vídeo em tempo real para compreender melhor o comportamento dele.

Especificamente, modelos de visão computacional como o Ultralytics YOLO11 podem ajudar a estimar a postura de um cão e a acompanhar os seus movimentos, fornecendo informações valiosas sobre o seu bem-estar. Como é que isto funciona? A capacidade de estimativa de pose do YOLO11 consegue identificar pontos-chave no corpo de um indivíduo para compreender a sua postura e os seus movimentos.

Além disso, o YOLO11 pode ser treinado de forma personalizada com um conjunto de dados concebido para a estimativa da pose de cães, permitindo analisar com precisão a linguagem corporal do seu animal de estimação. O pacote Python da Ultralytics suporta um Dog-Pose Dataset que facilita o treino e a implementação de modelos de IA de visão para cães. Esta tecnologia faz parte do crescente mercado de tecnologia para animais de estimação, avaliado em 9,4 mil milhões de dólares em 2024 e cuja previsão é atingir 64 mil milhões de dólares até 2037.

A inspiração para este artigo é Blues, o nosso Diretor Executivo Canino (DEO). Se consultar a nossa página Sobre nós, verá que Blues é um membro valioso da equipa e desempenha um papel importante em manter a diversão na Ultralytics!

Neste artigo, vamos explicar como treinar de forma personalizada o Ultralytics YOLO11 utilizando o Dog-Pose Dataset para a estimativa da pose de cães. Exploraremos também as suas aplicações práticas nos cuidados e na análise do comportamento de animais de estimação.

Fig. 1. Conheça Blues, o Diretor Executivo Canino (DEO) da Ultralytics.

Uma visão geral do conjunto de dados Dog-Pose#

Um conjunto de dados é uma coleção de dados utilizada para treinar modelos de aprendizagem automática. Para a estimativa de pose, um conjunto de dados ideal inclui imagens com pontos-chave anotados para mapear as posições do corpo. Também deve conter uma variedade de poses, ângulos, condições de iluminação e fundos, para ajudar o modelo a aprender a reconhecer e prever poses com precisão. Esta diversidade torna o modelo mais fiável em utilizações no mundo real.

O Dog-Pose Dataset, suportado pela Ultralytics, foi concebido especificamente para ajudar os modelos a aprender e reconhecer poses de cães de forma eficaz. Inclui mais de 8400 imagens anotadas de várias raças de cães, com rótulos detalhados para 24 pontos-chave, como a cauda, as orelhas e as patas.

Fig. 2. Uma visão geral do Dog-Pose Dataset.

Como treinar de forma personalizada o Ultralytics YOLO11 com o Dog-Pose Dataset#

O treino personalizado do YOLO11 com o Dog-Pose Dataset é um processo simples. Para começar, terá de configurar o seu ambiente instalando o pacote Python da Ultralytics, que inclui todas as ferramentas necessárias para o treino e a avaliação.

A Ultralytics oferece suporte integrado para o Dog-Pose Dataset, eliminando a necessidade de anotação manual e permitindo começar diretamente o treino. Depois de tudo configurado, pode treinar o YOLO11 no Dog-Pose Dataset utilizando apenas algumas linhas de código, como mostrado na imagem abaixo.

Durante o treino, o modelo aprende a detetar e acompanhar poses de cães de diferentes raças, condições de iluminação e ambientes. Após o treino, pode visualizar os resultados e ajustar o modelo para melhorar a precisão e o desempenho.

Fig. 3. Excerto de código que demonstra o treino personalizado do Ultralytics YOLO11 no Dog-Pose Dataset.

Se encontrar problemas durante o treino do seu modelo, estas sugestões de resolução de problemas podem ajudar a resolvê-los rapidamente:

• Verifique a sua ligação à Internet: O Dog-Pose Dataset é transferido automaticamente quando executa o script de treino. Certifique-se de que tem uma ligação à Internet estável para evitar falhas na transferência.
• Atualize a Ultralytics: Certifique-se de que está a utilizar a versão mais recente do pacote Python da Ultralytics.
• Procure erros na consola: Leia atentamente todas as mensagens de erro, pois estas fornecem frequentemente pistas sobre o que precisa de ser corrigido.

Pode consultar o Guia de problemas comuns da Ultralytics para obter mais sugestões de resolução de problemas.

O que acontece durante o treino personalizado de um modelo?#

Talvez se pergunte o que acontece nos bastidores quando faz o treino personalizado do Ultralytics YOLO11 no Dog-Pose Dataset. Vamos analisar o processo mais de perto.

Em vez de começar do zero, utilizamos um modelo Ultralytics YOLO11-pose pré-treinado, que já foi treinado no conjunto de dados COCO-Pose. Este modelo pré-treinado consegue detetar pontos-chave humanos, uma vez que o COCO-Pose foi concebido para a estimativa da pose humana. Na verdade, sem qualquer treino adicional, pode utilizar o YOLO11-Pose para realizar estimativa da pose humana imediatamente.

Através da aprendizagem por transferência, adaptamos este modelo especificamente para a estimativa da pose de cães, ajudando-o a reconhecer pontos-chave como as pernas, a cauda e a cabeça. Ao expor o modelo a exemplos específicos de cães, este aprende a concentrar-se nestas características essenciais.

Durante o treino, algumas partes do modelo permanecem inalteradas, conservando o conhecimento geral obtido a partir do conjunto de dados COCO. Outras partes são novamente treinadas para melhorar a precisão da estimativa das poses de cães. O modelo aprende comparando as suas previsões com os pontos-chave reais do conjunto de dados e ajustando-se para reduzir os erros. Com o tempo, este processo torna-o melhor a acompanhar com precisão os movimentos de um cão.

A aprendizagem por transferência também permite que o modelo se adapte a diferentes raças, tamanhos e padrões de movimento, garantindo um desempenho fiável em cenários do mundo real.

Fig. 4. Pontos-chave de Blues e da sua irmã Happy a serem detetados.

As vantagens do Ultralytics YOLO11 na estimativa da pose de cães#

Existem vários modelos de visão computacional, por isso, o que torna o YOLO11 a escolha certa para a estimativa da pose de cães?

O Ultralytics YOLO11 destaca-se pela sua velocidade e precisão em tempo real, tornando-o uma excelente opção para a estimativa da pose de cães. Tem um desempenho superior ao das versões anteriores, tanto em precisão como em velocidade. Com menos 22% de parâmetros do que o YOLOv8, alcança uma precisão média média (mAP) superior no conjunto de dados COCO, o que significa que deteta objetos com maior precisão e eficiência. A sua velocidade de processamento elevada torna-o ideal para aplicações em tempo real, nas quais uma deteção rápida e fiável é essencial.

Além da estimativa de pose, o Ultralytics YOLO11 também suporta tarefas de visão computacional, como a segmentação de instâncias e o acompanhamento de objetos, que podem ajudar a criar uma solução de IA de visão mais abrangente para monitorizar o seu cão. Estas funcionalidades podem melhorar o acompanhamento dos movimentos, a análise do comportamento e os cuidados gerais com o animal.

Fig. 5. O Ultralytics YOLO11 em ação: a segmentar Blues sem esforço!

Aplicações da estimativa da pose de cães e do Ultralytics YOLO11#

De seguida, vamos abordar as aplicações da estimativa da pose de cães no mundo real e o seu impacto nos cuidados com animais de estimação.

Melhorar o treino de animais de estimação com a estimativa da pose de cães#

A estimativa da pose de cães pode tornar o treino canino mais inteligente e eficaz. Imaginemos que está a ser utilizada uma câmara para captar os movimentos do cão; é aqui que o Ultralytics YOLO11 pode intervir. Consegue detetar pontos-chave como as pernas, a cauda e a cabeça, analisando-os para reconhecer ações como sentar-se, ficar parado ou deitar-se.

Se o cão não executar a ação corretamente, o sistema pode fornecer feedback instantâneo através de uma aplicação, ajudando o treinador em tempo real. Isto torna o treino mais eficiente, preciso e adaptado à evolução do cão.

Por exemplo, considere ensinar o seu cão a sentar-se ao comando. O sistema pode monitorizar a postura do seu cão e detetar se está totalmente sentado. Se o cão baixar o corpo, mas não se sentar completamente, o sistema pode detetar a ação incompleta e enviar feedback instantâneo através de uma aplicação. O treinador pode ser alertado para fazer pequenos ajustes no treino, como reforçar o comando ou orientar o cão para a posição correta.

Fig. 6. Blues a ajudar a equipa na estimativa da pose de cães utilizando o Ultralytics YOLO11

A evolução dos cuidados veterinários com modelos de estimativa de pose#

A visão computacional pode transformar a forma como os veterinários abordam os cuidados dos animais. A capacidade da estimativa da pose de cães para analisar detalhes com precisão facilita a deteção de padrões de movimento invulgares e a identificação de potenciais problemas de saúde.

Por exemplo, um veterinário que monitorize um cão em recuperação de uma lesão ligamentar pode utilizar o Ultralytics YOLO11, treinado no Dog-Pose Dataset, para realizar uma análise automatizada. A claudicação ou alterações no posicionamento das pernas podem ser detetadas facilmente. A monitorização contínua, 24 horas por dia e 7 dias por semana, com recurso à visão, fornece informações claras sobre a recuperação do cão, ajudando o veterinário a determinar se o tratamento está a funcionar ou se são necessários ajustes.

O futuro da estimativa da pose de cães#

À medida que a tecnologia continua a evoluir, é provável que soluções como a estimativa da pose de cães com YOLO11 desempenhem um papel cada vez maior na monitorização de animais e no seu bem-estar. Na verdade, o YOLO11 pode ser integrado com tecnologia vestível, como coleiras inteligentes e monitores de saúde, para monitorizar indicadores de saúde importantes, como a frequência cardíaca, os níveis de atividade e os padrões de mobilidade.

Por exemplo, uma coleira inteligente equipada com sensores de movimento pode acompanhar a marcha de um cão enquanto caminha ou corre, enquanto a estimativa de pose do Ultralytics YOLO11 analisa a postura em tempo real. Se o sistema detetar um movimento irregular, como claudicação ou rigidez, pode correlacionar estes dados com a frequência cardíaca e os níveis de atividade para avaliar um possível desconforto ou lesão. Os donos dos animais e os veterinários utilizam estas informações para identificar problemas numa fase inicial e tomar medidas proativas.

Com estes avanços, a estimativa da pose de cães está a evoluir para além do simples acompanhamento de movimentos: está a tornar-se uma parte essencial de um sistema abrangente de cuidados de animais de estimação orientado por IA, ajudando os cães a manterem-se mais saudáveis, seguros e melhor monitorizados em tempo real.

Principais conclusões#

Com inovações como o Ultralytics YOLO11 e o Dog-Pose Dataset, estamos a abrir novas possibilidades na visão computacional. Estes avanços ajudam-nos a compreender melhor o comportamento e a saúde dos cães de formas que antes não eram possíveis.

Ao acompanharmos com precisão as poses dos cães, podemos melhorar o treino, monitorizar a saúde e tornar os cuidados com animais de estimação mais eficazes. Seja na investigação, nos cuidados veterinários ou no treino de cães, a IA de visão está a criar formas mais inteligentes de cuidar dos nossos cães e melhorar o seu bem-estar.

Junte-se à nossa comunidade e explore o nosso repositório no GitHub para saber mais sobre IA. Descubra como inovações como a visão computacional nos cuidados de saúde e a IA em carros autónomos estão a moldar o futuro. Consulte as nossas opções de licenciamento para começar hoje os seus projetos de IA de visão.