Xuất model Ultralytics YOLOv8 đã huấn luyện tùy chỉnh

Hãy cùng tìm hiểu kỹ hơn về phát hiện đối tượng tùy chỉnh với Ultralytics YOLOv8. Trong bài viết này, chúng ta sẽ khám phá quy trình huấn luyện model tùy chỉnh, export trọng số đã huấn luyện và chạy suy luận trực tiếp trên webcam.

Huấn luyện model phát hiện đối tượng tùy chỉnh#

Trong video trước, chúng tôi đã trình bày cách huấn luyện model Ultralytics YOLOv8 trên bộ dữ liệu tùy chỉnh trong Google Colab, sử dụng bộ dữ liệu gồm các loại cốc. Chúng ta đã thấy biểu đồ huấn luyện cải thiện đều đặn, với loss giảm và độ chính xác trung bình (mAP) tăng. Dựa trên kết quả này, model tùy chỉnh của chúng tôi hiện có thể nhận diện chính xác năm loại cốc khác nhau.

Model tùy chỉnh đã được huấn luyện và sẵn sàng sử dụng, giờ là lúc tìm hiểu bước tiếp theo: export trọng số đã huấn luyện và chạy suy luận trực tiếp trên webcam.

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

Trên thực tế, suy luận thường bao gồm việc triển khai model đã huấn luyện vào môi trường production, nơi model có thể xử lý dữ liệu thực tế theo thời gian thực hoặc theo lô.

Xuất và chạy suy luận bằng model đã huấn luyện#

Sau khi tải trọng số model đã huấn luyện từ Colab xuống, chúng ta có thể nạp trọng số vào môi trường Python và đưa model tùy chỉnh vào sử dụng.

Chỉ với vài dòng mã, chúng ta có thể thiết lập một tập lệnh Python để chạy suy luận trực tiếp trên webcam, ghi hình theo thời gian thực và phát hiện nhiều loại cốc khác nhau. Model nhận diện các loại cốc với hình dạng, kích thước và màu sắc đa dạng, cho thấy khả năng xử lý tốt các tình huống thực tế.

Model được tinh chỉnh mang lại một số lợi ích. Model có thể phát hiện, phân đoạn hoặc phân loại những đối tượng mà model được huấn luyện trước có thể không hỗ trợ. Ngoài ra, model còn có thể giúp nhà nghiên cứu hoặc nhà khoa học dữ liệu hiểu rõ hơn hiệu năng của kiến trúc model trên các bộ dữ liệu thực tế.

Hình 1. Nicolai Nielsen trình bày cách huấn luyện model tùy chỉnh, export trọng số đã huấn luyện và chạy suy luận trực tiếp trên webcam.

Tổng kết#

Từ huấn luyện model tùy chỉnh đến export trọng số đã huấn luyện và chạy suy luận trực tiếp trên webcam, chúng ta đã thấy cách Ultralytics YOLOv8 xử lý toàn bộ quy trình.

Bạn đã sẵn sàng tự thử phát hiện đối tượng tùy chỉnh chưa? Hãy xem Ultralytics Platform và tài liệu của chúng tôi để tìm hiểu thêm về mọi thứ liên quan đến Ultralytics, đồng thời tham gia cộng đồng để cập nhật những phát triển mới nhất!

Nếu bạn muốn tìm hiểu cách xuất các model Ultralytics YOLOv8 được huấn luyện tùy chỉnh và chạy inference trên webcam, hãy xem toàn bộ video!