Xuất mô hình Ultralytics YOLOv8 đã được huấn luyện tùy chỉnh

Hãy cùng chúng tôi xem xét kỹ hơn về phát hiện đối tượng tùy chỉnh với Ultralytics YOLOv8. Trong bài đăng trên blog này, chúng ta sẽ khám phá quy trình phức tạp của việc huấn luyện một mô hình tùy chỉnh, xuất các trọng số đã huấn luyện và chạy suy luận trực tiếp trên webcam. 

Huấn luyện một mô hình object detection tùy chỉnh

Trong video trước, chúng ta đã đi sâu vào lĩnh vực huấn luyện mô hình YOLOv8 trên một bộ dữ liệu cốc tùy chỉnh trong Google Colab. Chúng ta đã thấy đồ thị huấn luyện được cải thiện đều đặn, với tổn thất giảm và vị trí lỗi trung bình tăng lên. Dựa trên điều này, mô hình đặc biệt của chúng ta giờ đây có thể xác định năm loại cốc khác nhau một cách rất chính xác.

‍

Với mô hình tùy chỉnh của chúng tôi đã được huấn luyện và sẵn sàng hoạt động, đã đến lúc khám phá lĩnh vực tiếp theo — xuất các trọng số đã huấn luyện và chạy suy luận trực tiếp trên webcam.

Suy luận mô hình là quá trình sử dụng một mô hình thị giác máy tính đã được huấn luyện để đưa ra các dự đoán hoặc quyết định dựa trên dữ liệu mới, chưa từng thấy. Đó là khi mô hình sử dụng dữ liệu đầu vào, chẳng hạn như một hình ảnh, và xử lý nó thông qua các tham số và cấu trúc đã học của nó. Sau đó, mô hình tạo ra một đầu ra, chẳng hạn như phân loại, phát hiện hoặc phân đoạn, dựa trên nhiệm vụ huấn luyện của nó. 

Về mặt thực tế, suy luận thường liên quan đến việc triển khai mô hình đã huấn luyện vào môi trường sản xuất, nơi nó có thể được sử dụng để xử lý dữ liệu thực tế trong thời gian thực hoặc các tình huống xử lý hàng loạt.

Xuất và chạy suy luận với mô hình đã huấn luyện

Với trọng số mô hình đã được huấn luyện được tải xuống từ Colab, chúng ta có thể nhập chúng một cách liền mạch vào môi trường Python, sẵn sàng khai thác toàn bộ tiềm năng của mô hình tùy chỉnh của chúng ta.

Chỉ với một vài dòng code, chúng ta có thể thiết lập một script Python để chạy live inference trên webcam, ghi lại cảnh quay theo thời gian thực và phát hiện các loại cốc khác nhau với độ chính xác ấn tượng. Sức mạnh của YOLOv8 tỏa sáng khi mô hình của chúng ta dễ dàng xác định các loại cốc với nhiều hình dạng, kích cỡ và màu sắc khác nhau, thể hiện tính linh hoạt và độ tin cậy của nó trong các tình huống thực tế.

Tinh chỉnh mô hình mang lại một số lợi ích. Chúng có thể phát hiện, phân đoạn hoặc phân loại các đối tượng mà các mô hình được huấn luyện trước đó có thể không hỗ trợ. Ngoài ra, chúng có thể hỗ trợ các nhà nghiên cứu hoặc nhà khoa học dữ liệu trong việc tìm hiểu cách kiến trúc mô hình hoạt động trên các tập dữ liệu thực tế.

Tóm lại

Từ việc huấn luyện một mô hình tùy chỉnh đến xuất các trọng số đã huấn luyện và chạy suy luận trực tiếp trên webcam, chúng ta đã chứng kiến sức mạnh và tính linh hoạt của YOLOv8.

Hãy cùng chúng tôi trong hành trình khám phá toàn bộ tiềm năng của phát hiện đối tượng tùy chỉnh với Ultralytics YOLOv8. Cùng nhau, chúng ta hãy định hình tương lai của AI tại một thời điểm phát hiện. Hãy xem Ultralytics HUB và tài liệu của chúng tôi để biết thêm thông tin về mọi thứ Ultralytics, cũng như tham gia cộng đồng của chúng tôi để cập nhật những phát triển mới nhất! 

Nếu bạn muốn tìm hiểu về cách xuất các mô hình YOLOv8 đã được huấn luyện tùy chỉnh và chạy suy luận trên webcam, hãy xem toàn bộ video tại đây!