Huấn luyện trên dataset tùy chỉnh bằng Ultralytics YOLOv8 trong Google Colab

Trong bài viết này, chúng ta sẽ tìm hiểu cách huấn luyện model phát hiện đối tượng tùy chỉnh bằng Ultralytics YOLOv8 trên Google Colab, đi qua toàn bộ quy trình từ thiết lập đến huấn luyện và đánh giá.

Thiết lập model Ultralytics YOLOv8 trên Google Colab#

Hãy bắt đầu bằng cách thiết lập môi trường trên Google Colab. Vậy Google Colab là gì? Google Colab, viết tắt của Google Colaboratory, là nền tảng đám mây miễn phí của Google để viết và chạy code Python.

Bước đầu tiên để thiết lập là đảm bảo bạn có quyền truy cập GPU bằng cách chọn loại runtime phù hợp. Kiểm tra mọi thứ hoạt động bình thường bằng lệnh nvidia-smi để xác minh cấu hình GPU.

Tiếp theo, cài đặt package ultralytics, bao gồm YOLOv8 và các dependency, bằng pip. Sau đó import class YOLO từ ultralytics để bắt đầu xây dựng model phát hiện đối tượng tùy chỉnh.

Gán nhãn và chuẩn bị dataset#

Bây giờ, hãy chuẩn bị dataset. Gán nhãn dữ liệu bằng bounding box và chỉ định class cho từng đối tượng. Xuất dataset theo định dạng Ultralytics YOLO rồi import vào notebook Google Colab.

Huấn luyện model Ultralytics YOLOv8 tùy chỉnh#

Đặt tác vụ thành detect để phát hiện đối tượng và chọn kích thước model YOLOv8 phù hợp với nhu cầu. Chỉ định vị trí dataset, số epoch và kích thước ảnh dùng để huấn luyện. Tăng tốc GPU giúp quá trình huấn luyện diễn ra nhanh trong khi model học từ dữ liệu.

Đánh giá và xác thực model#

Sau khi hoàn tất huấn luyện, đánh giá hiệu năng model bằng các metric như độ chính xác trung bình (mAP). Xác thực model trên dữ liệu chưa từng thấy để đảm bảo khả năng tổng quát hóa tốt. Vẽ ma trận nhầm lẫn và phân tích các dự đoán để tiếp tục tinh chỉnh model.

Có thể xác thực các model Ultralytics YOLOv8 bằng một lệnh CLI duy nhất, chẳng hạn yolo val model=path/to/best.pt, lệnh này tự động sử dụng lại các thiết lập trong quá trình huấn luyện và báo cáo nhiều metric.

Ultralytics cũng hỗ trợ các đối số CLI và Python mà bạn có thể dùng trong quá trình xác thực để tùy chỉnh đầu ra theo nhu cầu. Để biết thêm thông tin, hãy xem tài liệu về chế độ xác thực.

Hình 1. Nicolai Nielsen trình bày cách huấn luyện dataset tùy chỉnh bằng Ultralytics YOLOv8 trên Google Colab.

Nâng tầm model của bạn#

Bạn đã huấn luyện thành công model Ultralytics YOLOv8 tùy chỉnh trên Google Colab. Trong video tiếp theo, chúng ta sẽ tìm hiểu cách xuất trọng số model và chạy suy luận trực tiếp bằng model YOLOv8 được huấn luyện tùy chỉnh.

Tổng kết#

Cảm ơn bạn đã đồng hành cùng chúng tôi tìm hiểu về phát hiện đối tượng tùy chỉnh với Ultralytics YOLOv8 trên Google Colab. Hãy đón xem thêm các hướng dẫn về AI và machine learning.

Với hướng dẫn toàn diện này, giờ đây bạn đã có thể tự huấn luyện model phát hiện đối tượng tùy chỉnh bằng Ultralytics YOLOv8 trên Google Colab. Xem toàn bộ hướng dẫn để làm theo từng bước.