Xuất mô hình YOLOv8 Ultralytics được đào tạo tùy chỉnh

Hãy tham gia cùng chúng tôi để 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 đào tạo mô hình tùy chỉnh, xuất các trọng số đã đào tạo và chạy suy luận trực tiếp trên webcam. 

Đào tạo mô hình phát hiện đối tượng tùy chỉnh

Trong video trước, chúng ta đã đi sâu vào lĩnh vực đào tạo mô hình YOLOv8 trên tập dữ liệu cốc tùy chỉnh trong Google Colab. Chúng ta thấy biểu đồ đào tạo được cải thiện đều đặn, với độ mất mát giảm dần và vị trí lỗi trung bình tăng dần. Dựa trên điều này, mô hình đặc biệt của chúng ta hiện có thể xác định năm loại cốc khác nhau rất chính xác.

‍

Khi mô hình tùy chỉnh của chúng tôi đã được đào tạo và sẵn sàng hoạt động, đã đến lúc khám phá ranh giới tiếp theo—xuất các trọng số đã đào tạo và chạy suy luận trực tiếp trên webcam.

Suy luận mô hình là quá trình sử dụng mô hình thị giác máy tính đã được đào tạo để đưa ra 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 hình ảnh, và xử lý dữ liệu đó thông qua các tham số và cấu trúc đã học của nó. Sau đó, mô hình tạo ra đầu ra, chẳng hạn như phân loại, phát hiện hoặc phân đoạn, dựa trên tác vụ đào tạo của nó. 

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

Xuất và chạy suy luận với mô hình đã được đào tạo

Với trọng số mô hình đã được đào tạo được tải xuống từ Colab, chúng ta có thể dễ dàng nhập chúng vào môi trường Python, sẵn sàng phát huy hết tiềm năng của mô hình tùy chỉnh.

Chỉ cần sử dụng một vài dòng mã, chúng ta có thể thiết lập một tập lệnh Python để chạy suy luận trực tiếp trên webcam, ghi lại cảnh quay thời gian thực và phát hiện các cốc khác nhau với độ chính xác ấn tượng. Sức mạnh của YOLOv8 tỏa sáng khi mô hình của chúng tôi dễ dàng xác định các cốc có nhiều hình dạng, kích thước và màu sắc khác nhau, thể hiện tính linh hoạt và độ tin cậy của nó trong các tình huống thực tế.

Các mô hình tinh chỉnh cung cấp một số lợi ích. Chúng có thể phát hiện, phân đoạn hoặc phân loại các đối tượng mà các mô hình được đào tạo trước có thể không hỗ trợ. Ngoài ra, chúng có thể hỗ trợ các nhà nghiên cứu hoặc nhà khoa học dữ liệu hiểu cách kiến trúc mô hình hoạt động trên các tập dữ liệu trong thế giới thực.

Kết thúc

Từ việc đào tạo mô hình tùy chỉnh đến xuất các trọng số đã đào tạo và chạy suy luận trực tiếp trên webcam, chúng tôi đã tận mắt chứng kiến sức mạnh và tính linh hoạt của YOLOv8.

Hãy tham gia 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 từng phát hiện một. Hãy xem Ultralytics HUB và tài liệu của chúng tôi để biết thêm thông tin về mọi thứ liên quan đến Ultralytics cũng như tham gia cộng đồng của chúng tôi để cập nhật những phát triển mới nhất! 

Nếu bạn tò mò về việc xuất các mô hình YOLOv8 được đào tạo tùy chỉnh và chạy suy luận trên webcam, hãy xem video đầy đủ tại đây !