Esplora il rilevamento di oggetti personalizzati con Ultralytics YOLOv8 ! Impara come addestrare, esportare ed eseguire l'inferenza in diretta su una webcam!
Unisciti a noi per dare un'occhiata più da vicino al rilevamento personalizzato degli oggetti con Ultralytics YOLOv8. In questo blogpost esploreremo l'intricato processo di addestramento di un modello personalizzato, l'esportazione dei pesi addestrati e l'esecuzione dell'inferenza in diretta su una webcam.
Nel nostro video precedente, ci siamo addentrati nell' addestramento di un modello YOLOv8 su un dataset di tazze personalizzato in Google Colab. Abbiamo visto che il grafico dell'addestramento migliora costantemente, con la perdita che diminuisce e la posizione media dell'errore che aumenta. In base a ciò, il nostro modello speciale è ora in grado di identificare cinque diversi tipi di tazze in modo molto accurato.
Con il nostro modello personalizzato addestrato e pronto per l'uso, è il momento di esplorare la prossima frontiera: esportare i pesi addestrati ed eseguire l'inferenza in diretta su una webcam.
L'inferenza del modello è il processo di utilizzo di un modello di computer vision addestrato per fare previsioni o prendere decisioni basate su nuovi dati non visti. Il modello utilizza i dati di input, come un'immagine, e li elabora attraverso i parametri e la struttura appresi. Il modello produce quindi un output, come la classificazione, il rilevamento o la segmentazione, in base alla sua attività di addestramento.
In termini pratici, l'inferenza spesso comporta l'implementazione del modello addestrato in un ambiente di produzione dove può essere utilizzato per elaborare dati reali in tempo reale o in scenari di elaborazione batch.
Con i pesi del modello addestrato scaricati da Colab, possiamo importarli senza problemi in un ambiente Python , pronti a liberare tutto il potenziale del nostro modello personalizzato.
Utilizzando poche righe di codice, possiamo impostare uno script Python per eseguire l'inferenza live su una webcam, catturando filmati in tempo reale e rilevando tazze diverse con una precisione impressionante. La potenza di YOLOv8 è evidente: il nostro modello identifica senza sforzo tazze di varie forme, dimensioni e colori, dimostrando la sua versatilità e affidabilità in scenari reali.
I modelli di fine-tuning offrono diversi vantaggi. Possono rilevare, segmentare o classificare oggetti che i modelli preaddestrati non sono in grado di supportare. Inoltre, possono aiutare i ricercatori o i data scientist a capire come si comporta l'architettura del modello su set di dati reali.
Dall'addestramento di un modello personalizzato all'esportazione dei pesi addestrati e all'esecuzione dell'inferenza in diretta su una webcam, abbiamo potuto constatare in prima persona la potenza e la versatilità di YOLOv8 .
Unisciti a noi nella nostra ricerca per sbloccare il pieno potenziale del rilevamento di oggetti personalizzati con Ultralytics YOLOv8 . Insieme, diamo forma al futuro dell'intelligenza artificiale, un rilevamento alla volta. Visita Ultralytics HUB e i nostri documenti per ulteriori informazioni su tutto ciò che riguarda Ultralytics e unisciti alla nostra comunità per rimanere aggiornato sugli ultimi sviluppi!
Se sei curioso di sapere come esportare i modelli addestrati personalizzati di YOLOv8 e come eseguire l'inferenza sulla webcam, guarda il video completo qui!
Inizia il tuo viaggio nel futuro dell'apprendimento automatico
