Treinamento personalizado do Ultralytics YOLO11 para estimativa de pose de cães

E se a postura do teu cão te pudesse dar pistas sobre como ele se está a sentir? Monitorizá-lo manualmente a toda a hora não é fácil. No entanto, graças aos avanços na inteligência artificial (IA) e na computer vision, conseguimos analisar imagens de vídeo em tempo real para compreender melhor o seu comportamento.

Especificamente, os modelos de computer vision como o Ultralytics YOLO11 podem ajudar a estimar a postura de um cão e a monitorizar o seu movimento, 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 sujeito para compreender a sua postura e o seu movimento.

Além disso, o YOLO11 pode ser treinado de forma personalizada num conjunto de dados concebido para a estimativa de pose de cães, tornando possível analisar com precisão a linguagem corporal do teu 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 pet tech market, avaliado em 9,4 mil milhões de dólares em 2024 e com uma projeção de atingir 64 mil milhões de dólares até 2037.

A inspiração por trás deste artigo é o Blues, o nosso Dog Executive Officer (DEO). Se consultares a nossa página About Us, verás que o Blues é um membro valioso da equipa e desempenha um papel importante em manter o ambiente divertido na Ultralytics!

Neste artigo, vamos discutir como treinar de forma personalizada o Ultralytics YOLO11 usando o Dog-Pose Dataset para estimativa de pose de cães. Também exploraremos suas aplicações práticas em cuidados com animais de estimação e análise de comportamento.

Fig 1. Conhece o Blues, o Diretor Executivo Canino (DEO) na Ultralytics.

Uma visão geral do Dog-Pose dataset#

Um dataset é uma coleção de dados utilizada para treinar modelos de machine learning. Para a pose estimation, um dataset ideal inclui imagens com pontos-chave rotulados para mapear posições corporais. Deve também 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 para utilização no mundo real.

O Dog-Pose Dataset, suportado pela Ultralytics, é projetado especificamente para ajudar modelos a aprender e reconhecer poses de cães de forma eficaz. Inclui mais de 8.400 imagens anotadas de várias raças de cães, com rótulos detalhados para 24 pontos-chave, como cauda, orelhas e patas.

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

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

Treinar o YOLO11 de forma personalizada com o Dog-Pose Dataset é um processo simples. Para começar, precisas de configurar o teu ambiente instalando o Ultralytics Python package, que inclui todas as ferramentas necessárias para o treino e a avaliação.

A Ultralytics tem suporte integrado para o Dog-Pose Dataset, o que elimina a necessidade de rotulagem manual, permitindo que passes direto para o treinamento. Uma vez que tudo esteja configurado, podes treinar o YOLO11 no Dog-Pose Dataset usando apenas algumas linhas de código, como mostrado na imagem abaixo.

Durante o treinamento, o modelo aprende a detectar e rastrear poses de cães em 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. Um trecho de código demonstrando o treinamento personalizado do Ultralytics YOLO11 no Dog-Pose Dataset.

Se encontrares algum problema enquanto treinas o teu modelo, aqui estão algumas dicas de solução de problemas para ajudar-te a resolvê-los rapidamente:

• Verifica a tua conexão com a internet: O Dog-Pose Dataset é baixado automaticamente quando executas o script de treinamento. Certifica-te de ter uma conexão estável com a internet para evitar falhas no download.
• Atualiza a Ultralytics: Certifica-te de que estás a usar a versão mais recente do pacote Python da Ultralytics.
• Verifica erros no console: Lê qualquer mensagem de erro cuidadosamente, pois elas geralmente oferecem pistas sobre o que precisa ser corrigido.

Podes consultar o Ultralytics Common Issues Guide para obteres mais dicas de resolução de problemas.

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

Você pode estar se perguntando o que acontece nos bastidores quando você faz o treinamento personalizado do Ultralytics YOLO11 no Dog-Pose Dataset. Vamos dar uma olhada mais de perto no processo.

Em vez de começar do zero, usamos um modelo pré-treinado Ultralytics YOLO11-pose, que já foi treinado no COCO-Pose dataset. Esse modelo pré-treinado consegue detectar pontos-chave humanos, já que o COCO-Pose foi projetado para a estimativa de pose humana. Na verdade, sem nenhum treinamento adicional, podes usar o YOLO11-Pose para realizar estimativa de pose humana logo após a instalação.

Através do aprendizado por transferência (transfer learning), adaptamos este modelo especificamente para a estimativa de pose de cães, ajudando-o a reconhecer pontos-chave como pernas, cauda e cabeça. Ao expor o modelo a exemplos específicos de cães, ele aprende a concentrar-se nessas características essenciais.

Durante o treinamento, algumas partes do modelo permanecem inalteradas, retendo o conhecimento geral adquirido do 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 no conjunto de dados e ajustando-se para reduzir erros. Com o tempo, este processo torna-o melhor em rastrear os movimentos de um cão com precisão.

A transfer learning também torna possível que o modelo se adapte a diferentes raças, tamanhos e padrões de movimento, garantindo que funciona de forma fiável em cenários do mundo real.

Fig 4. Pontos-chave do Blues e da sua irmã Happy sendo detectados.

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

Existem vários computer vision models disponíveis, por isso o que torna o YOLO11 a escolha certa para a estimativa de pose de cães?

O Ultralytics YOLO11 destaca-se pela sua velocidade em tempo real e precisão, tornando-se uma excelente opção para a estimativa de pose de cães. Ele tem um desempenho melhor do que as versões anteriores tanto em precisão quanto em velocidade. Com 22% menos parâmetros do que o YOLOv8, ele atinge uma precisão média média (mAP) mais alta no dataset COCO, o que significa que detecta objetos com mais precisão e eficiência. A sua velocidade de processamento rápida torna-o perfeito para aplicações em tempo real, onde uma detecção rápida e fiável é essencial.

Além da estimativa de pose, o Ultralytics YOLO11 também suporta tarefas de visão computacional como segmentação de instâncias e rastreamento de objetos, que podem ajudar a criar uma solução de IA de visão mais abrangente para monitorar o seu cão. Esses recursos podem melhorar o rastreamento de movimentos, a análise de comportamento e os cuidados gerais com o pet.

Fig 5. Ultralytics YOLO11 em ação: segmentando o cão Blues sem esforço!

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

A seguir, discutiremos as aplicações do mundo real da estimativa de pose de cães e o seu impacto no cuidado de animais de estimação.

Melhorando o treinamento de cães com a estimativa de pose#

A estimativa de pose de cães pode tornar o adestramento de cães mais inteligente e eficaz. Digamos que uma câmera esteja sendo usada para capturar os movimentos do cão; é aqui que o Ultralytics YOLO11 entra em ação. Ele pode detectar pontos-chave como as pernas, a cauda e a cabeça, analisando-os para reconhecer ações como sentar, ficar parado ou deitar.

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

Por exemplo, considera ensinar o teu cão a sentar sob comando. O sistema pode monitorar a postura do teu cão e detectar se ele está totalmente sentado. Se o cão baixar o corpo, mas não sentar completamente, o sistema pode detectar a ação incompleta e enviar um feedback instantâneo através de um aplicativo. O treinador pode ser alertado para fazer pequenos ajustes no treinamento, como reforçar o comando ou guiar o cão para a posição correta.

Fig 6. Blues ajudando a equipe com a estimativa de pose de cães usando o Ultralytics YOLO11

Avançando no cuidado veterinário com modelos de estimativa de pose#

A visão computacional pode transformar a forma como os veterinários abordam o cuidado animal. A capacidade da estimativa de pose de cães de analisar detalhes com precisão torna mais fácil detectar padrões de movimento incomuns e identificar possíveis problemas de saúde.

Por exemplo, um veterinário que monitora um cão em recuperação de uma lesão nos ligamentos pode confiar no Ultralytics YOLO11, treinado no Dog-Pose Dataset, para análise automatizada. O manco ou alterações no posicionamento das pernas podem ser facilmente detectados. O monitoramento contínuo 24 horas por dia, 7 dias por semana, habilitado por visão, fornece insights claros sobre a recuperação do cão, ajudando a determinar se o tratamento está funcionando ou se são necessários ajustes.

O caminho a seguir para a estimativa de pose de cães#

À medida que a tecnologia continua a evoluir, soluções como a estimativa de pose de cães com o YOLO11 irão provavelmente desempenhar um papel mais importante na animal monitoring e no bem-estar. De facto, o YOLO11 pode ser integrado com tecnologia wearable, como coleiras inteligentes e rastreadores de saúde, para monitorizar indicadores-chave de saúde como o ritmo cardíaco, os níveis de atividade e os padrões de mobilidade.

Por exemplo, uma coleira inteligente equipada com sensores de movimento pode rastrear a marcha de caminhada ou corrida de um cão, enquanto a estimativa de pose do Ultralytics YOLO11 analisa a postura em tempo real. Se o sistema detectar movimento irregular, como mancar ou rigidez, ele poderá correlacionar esses dados com a frequência cardíaca e os níveis de atividade para avaliar possíveis desconfortos ou lesões. Os donos de pets e veterinários usam esses insights para identificar problemas cedo e tomar medidas proativas.

Com esses avanços, a estimativa de pose de cães está evoluindo além do simples rastreamento de movimento - ela está se tornando uma parte fundamental de um sistema de cuidado animal abrangente impulsionado por IA, ajudando os cães a manterem-se mais saudáveis, seguros e melhor monitorados em tempo real.

Principais pontos#

Com inovações como o Ultralytics YOLO11 e o Dog-Pose Dataset, estamos abrindo novas possibilidades em visão computacional. Esses avanços nos ajudam a entender melhor o comportamento e a saúde dos cães de maneiras que não eram possíveis antes.

Ao rastrear com precisão as poses dos cães, podemos melhorar o treinamento, monitorar a saúde e tornar o cuidado pet mais eficaz. Seja em pesquisa, atendimento veterinário ou treinamento de cães, a IA de visão está criando maneiras mais inteligentes de cuidar dos nossos cães e melhorar o seu bem-estar.

Junta-te a our community e explora our GitHub repository para saberes mais sobre IA. Descobre como inovações como a computer vision in healthcare e a AI in self-driving cars estão a moldar o futuro. Consulta as nossas licensing options para começares os teus projetos de IA de visão hoje mesmo.