Treinar o Ultralytics YOLO11 de forma personalizada para estimar a pose de cães

E se a postura do seu cachorro pudesse dar pistas sobre como ele está se sentindo? Monitorá-lo manualmente o tempo todo não é fácil. No entanto, graças aos avanços da inteligência artificial (IA) e da visão computacional, podemos analisar vídeos em tempo real para entender melhor o comportamento dele.

Especificamente, modelos de visão computacional, como o Ultralytics YOLO11, podem ajudar a estimar a postura de um cachorro e acompanhar seus movimentos, fornecendo informações valiosas sobre seu bem-estar. Como isso funciona? O recurso de estimativa de pose do YOLO11 pode identificar pontos-chave no corpo do animal para entender sua postura e seus movimentos.

Além disso, o YOLO11 pode ser treinado sob medida com um conjunto de dados criado para estimar poses de cães, permitindo analisar com precisão a linguagem corporal do seu animal de estimação. O pacote Python da Ultralytics oferece suporte a um conjunto de dados Dog-Pose que facilita o treinamento e a implementação de modelos de IA visual para cães. Essa tecnologia faz parte do crescente mercado de tecnologia para animais de estimação, avaliado em US$ 9,4 bilhões em 2024 e com previsão de alcançar US$ 64 bilhões até 2037.

A inspiração para este artigo é Blues, nosso Diretor Executivo Canino (DEO). Se você conferir nossa página Sobre nós, verá que Blues é um membro valioso da equipe e desempenha um papel importante para manter o ambiente descontraído na Ultralytics!

Neste artigo, vamos explicar como treinar o Ultralytics YOLO11 sob medida usando o conjunto de dados Dog-Pose para estimar poses de cães. Também vamos explorar suas aplicações práticas no cuidado de animais de estimação e na análise de comportamento.

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

Visão geral do conjunto de dados Dog-Pose#

Um conjunto de dados é uma coleção de dados usada para treinar modelos de aprendizado de máquina. Para a estimativa de pose, um conjunto de dados ideal inclui imagens com pontos-chave identificados para mapear as posições do corpo. Ele também deve apresentar uma variedade de poses, ângulos, condições de iluminação e planos de fundo para ajudar o modelo a aprender a reconhecer e prever poses com precisão. Essa diversidade torna o modelo mais confiável para uso no mundo real.

O conjunto de dados Dog-Pose, com suporte da Ultralytics, foi criado especificamente para ajudar os modelos a aprender e reconhecer poses de cães com eficiência. Ele inclui mais de 8.400 imagens anotadas de várias raças de cães, que você pode explorar na Ultralytics Platform, com rótulos detalhados para 24 pontos-chave, como cauda, orelhas e patas.

Fig. 2. Visão geral do conjunto de dados Dog-Pose.

Como treinar o Ultralytics YOLO11 sob medida com o conjunto de dados Dog-Pose#

O treinamento personalizado do YOLO11 com o conjunto de dados Dog-Pose é um processo simples. Para começar, precisas configurar o teu ambiente instalando o pacote Python da Ultralytics, que inclui todas as ferramentas necessárias para treinamento e avaliação.

A Ultralytics oferece suporte integrado ao conjunto de dados Dog-Pose, eliminando a necessidade de anotação manual e permitindo que comeces diretamente o treinamento. Depois de configurar tudo, podes treinar o YOLO11 com o conjunto de dados Dog-Pose usando apenas algumas linhas de código, como mostrado na imagem abaixo.

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

Fig. 3. Trecho de código que mostra o treinamento personalizado do Ultralytics YOLO11 com o conjunto de dados Dog-Pose.

Se tiveres algum problema durante o treinamento do teu modelo, estas dicas de solução de problemas podem ajudar-te a resolvê-lo rapidamente:

• Verifica a tua conexão com a internet: O conjunto de dados Dog-Pose é baixado automaticamente quando executas o script de treinamento. Certifica-te de que tens uma conexão estável com a internet para evitar falhas no download.
• Atualiza a Ultralytics: Certifica-te de que estás usando a versão mais recente do pacote Python da Ultralytics.
• Verifica se há erros no console: Lê atentamente todas as mensagens de erro, pois elas costumam dar pistas sobre o que precisa ser corrigido.

Consulta o Guia de problemas comuns da Ultralytics para ver mais dicas de solução de problemas.

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

Talvez estejas a perguntar o que acontece nos bastidores quando treinas de forma personalizada o Ultralytics YOLO11 com o conjunto de dados Dog-Pose. Vamos analisar o processo mais de perto.

Em vez de começar do zero, usamos um modelo Ultralytics YOLO11-pose pré-treinado, que já foi treinado com o conjunto de dados COCO-Pose. Esse modelo pré-treinado consegue detectar pontos-chave humanos, pois o COCO-Pose foi desenvolvido para estimar poses humanas. Na verdade, podes usar o YOLO11-Pose para estimar poses humanas sem nenhum treinamento adicional, assim que o instalares.

Com a aprendizagem por transferência, adaptamos esse modelo especificamente para estimar poses de cães, ajudando-o a reconhecer pontos-chave como as pernas, a cauda e a cabeça. Ao apresentar exemplos específicos de cães ao modelo, ele aprende a concentrar-se nessas características essenciais.

Durante o treinamento, algumas partes do modelo permanecem inalteradas, preservando o conhecimento geral adquirido com o conjunto de dados COCO. Outras partes são retreinadas para melhorar a precisão na estimativa de 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, esse processo melhora a precisão com que o modelo acompanha 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 confiável em situações reais.

Fig. 4. Detecção dos pontos-chave de Blues e da sua irmã Happy.

As vantagens do Ultralytics YOLO11 na estimativa de poses de cães#

Existem vários modelos de visão computacional disponíveis, então por que o YOLO11 é a escolha certa para estimar poses de cães?

O Ultralytics YOLO11 se destaca pela velocidade e precisão em tempo real, sendo uma ótima opção para estimar poses de cães. Ele supera as versões anteriores tanto em precisão quanto em velocidade. Por exemplo, o YOLO11m alcança uma precisão média (mAP) maior no conjunto de dados COCO do que o YOLOv8m, usando 22% menos parâmetros; isso significa que detecta objetos com mais precisão e eficiência. Seu processamento rápido é ideal para aplicações em tempo real, nas quais uma detecção ágil e confiável é essencial.

Além da estimativa de poses, o Ultralytics YOLO11 também oferece suporte a tarefas de visão computacional, como segmentação de instâncias e rastreamento de objetos, que podem ajudar a criar uma solução de IA visual mais abrangente para monitorar o teu cão. Esses recursos podem melhorar o acompanhamento dos movimentos, a análise do comportamento e os cuidados gerais com o animal.

Fig. 5. Ultralytics YOLO11 em ação: segmentação de Blues.

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

Agora, vamos falar sobre as aplicações práticas da estimativa de poses de cães e o seu impacto nos cuidados com animais de estimação.

Como melhorar o treinamento de animais de estimação com a estimativa de poses de cães#

A estimativa da pose de cães pode tornar o adestramento mais inteligente e eficaz. Imagine que uma câmera esteja sendo usada para captar os movimentos do cão. É aí que o Ultralytics YOLO11 pode entrar em ação. Ele pode detectar pontos-chave, como as pernas, a cauda e a cabeça, e analisá-los para reconhecer ações como sentar, ficar parado ou deitar.

Se o cão não executar a ação corretamente, o sistema pode enviar feedback instantâneo por meio de um aplicativo, ajudando o treinador em tempo real. Isso torna o treinamento mais eficiente, preciso e adaptável ao progresso do cão.

Por exemplo, imagina que estás a ensinar o teu cão a sentar-se ao comando. O sistema pode monitorizar a postura do teu cão e detectar se ele está totalmente sentado. Se o cão baixar o corpo, mas não se sentar completamente, o sistema pode detectar que a ação ficou incompleta e enviar feedback instantâneo por meio de um aplicativo. O treinador pode receber um alerta para fazer pequenos ajustes no treinamento, como reforçar o comando ou orientar o cão para a posição correta.

Fig. 6. Blues a ajudar a equipe com a estimativa de poses de cães usando o Ultralytics YOLO11.

Avançando os cuidados veterinários com modelos de estimativa de poses#

A visão computacional pode transformar a forma como os veterinários cuidam dos animais. A capacidade da estimativa de poses de cães de analisar detalhes com precisão facilita a identificação de padrões de movimento incomuns e possíveis problemas de saúde.

Por exemplo, um veterinário que acompanha a recuperação de um cão com uma lesão ligamentar pode usar o Ultralytics YOLO11, treinado com o conjunto de dados Dog-Pose, para fazer análises automatizadas. É possível detectar facilmente claudicação ou alterações no posicionamento das pernas. O monitoramento contínuo com visão computacional, 24 horas por dia e 7 dias por semana, 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 de poses de cães#

À medida que a tecnologia evolui, soluções como a estimativa de poses de cães com YOLO11 provavelmente terão um papel cada vez maior no monitoramento de animais e no seu bem-estar. Na verdade, o YOLO11 pode ser integrado a tecnologias vestíveis, como coleiras inteligentes e rastreadores de saúde, para monitorizar indicadores importantes de saúde, como frequência cardíaca, níveis de atividade e padrões de mobilidade.

Por exemplo, uma coleira inteligente equipada com sensores de movimento pode acompanhar o andar ou a corrida de um cão, enquanto a estimativa de pose do Ultralytics YOLO11 analisa a postura em tempo real. Se o sistema detectar movimentos irregulares, como mancar ou rigidez, poderá relacionar esses dados à frequência cardíaca e aos níveis de atividade para avaliar possíveis desconfortos ou lesões. Tutores e veterinários podem usar essas informações para identificar problemas precocemente e agir de forma preventiva.

Com esses avanços, a estimativa de poses de cães vai além do simples acompanhamento dos movimentos — está a tornar-se uma parte essencial de um sistema abrangente de cuidados com animais de estimação baseado em IA, ajudando os cães a manterem-se mais saudáveis, seguros e monitorizados em tempo real.

Principais conclusões#

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

Ao acompanhar as poses dos cães com precisão, podemos melhorar o treinamento, monitorizar a saúde e tornar os cuidados com os animais mais eficazes. Seja na pesquisa, nos cuidados veterinários ou no treinamento de cães, a IA visual está a criar maneiras mais inteligentes de cuidar dos nossos cães e melhorar o seu bem-estar.

Junta-te à nossa comunidade e explora o nosso repositório no GitHub para saber mais sobre IA. Descobre como inovações como a visão computacional na área da saúde e a IA em carros autónomos estão a moldar o futuro. Consulta as nossas opções de licenciamento para começares hoje os teus projetos de IA visual.