Exporte um modelo Ultralytics YOLOv8 treinado de forma personalizada

Junta-te a nós para analisarmos mais detalhadamente a deteção de objetos personalizada com o Ultralytics YOLOv8. Neste artigo do blog, vamos explorar o processo complexo de treinar um modelo personalizado, exportar os pesos treinados e executar inferência em tempo real através de uma webcam.

Link to this sectionTreinar um modelo de deteção de objetos personalizado#

No nosso vídeo anterior, aprofundámos o domínio do treino de um modelo YOLOv8 num conjunto de dados personalizado de copos no Google Colab. Observámos o gráfico de treino a melhorar constantemente, com a perda a diminuir e a precisão média (mAP) a aumentar. Com base nisto, o nosso modelo especial consegue agora identificar cinco tipos diferentes de copos com muita precisão.

Com o nosso modelo personalizado treinado e pronto a utilizar, está na hora de explorar a próxima fronteira — exportar os pesos treinados e executar inferência em tempo real através de uma webcam.

A inferência de modelos é o processo de utilizar um modelo de visão computacional treinado para fazer previsões ou decisões com base em dados novos e nunca vistos. É o momento em que o modelo utiliza dados de entrada, como uma imagem, e os processa através dos seus parâmetros e estrutura aprendidos. O modelo produz então um resultado, como classificação, deteção ou segmentação, com base na sua tarefa de treino.

Em termos práticos, a inferência envolve frequentemente a implementação do modelo treinado num ambiente de produção onde possa ser utilizado para processar dados do mundo real em cenários de tempo real ou de processamento em lote.

Link to this sectionExportar e executar inferência com o modelo treinado#

Com os pesos do modelo treinado descarregados do Colab, podemos importá-los facilmente para um ambiente Python, prontos para libertar todo o potencial do nosso modelo personalizado.

Utilizando algumas linhas de código, podemos configurar um script Python para executar inferência em tempo real numa webcam, capturando filmagens em direto e detetando diferentes copos com uma precisão impressionante. O poder do YOLOv8 destaca-se à medida que o nosso modelo identifica facilmente copos de vários formatos, tamanhos e cores, demonstrando a sua versatilidade e fiabilidade em cenários do mundo real.

Os modelos de ajuste fino (fine-tuning) oferecem vários benefícios. Podem detetar, segmentar ou classificar objetos que modelos pré-treinados podem não suportar. Além disso, podem ajudar investigadores ou cientistas de dados a compreender como a arquitetura do modelo funciona em conjuntos de dados do mundo real.

Fig 1. Nicolai Nielsen a descrever como treinar um modelo personalizado, exportar os pesos treinados e executar inferência em tempo real através de uma webcam.

Link to this sectionConclusão#

Desde o treino de um modelo personalizado até à exportação dos pesos treinados e execução de inferência em tempo real através de uma webcam, testemunhámos em primeira mão o poder e a versatilidade do YOLOv8.

Junta-te a nós na nossa missão de desbloquear todo o potencial da deteção de objetos personalizada com o Ultralytics YOLOv8. Juntos, vamos moldar o futuro da IA, uma deteção de cada vez. Consulta a Ultralytics Platform e a nossa documentação para obteres mais informações sobre tudo o que diz respeito à Ultralytics, e junta-te também à nossa comunidade para te manteres a par dos desenvolvimentos mais recentes!

Se tens curiosidade sobre como exportar modelos YOLOv8 personalizados e executar inferência com uma webcam, assiste ao vídeo completo Watch the full video!