Tutoriales completos para Ultralytics YOLO

¡Bienvenido a las Guías de Ultralytics' YOLO 🚀! Nuestros completos tutoriales cubren diversos aspectos del modelo de detección de objetos YOLO , desde el entrenamiento y la predicción hasta la implementación. Construido sobre PyTorch, YOLO destaca por su excepcional velocidad y precisión en tareas de detección de objetos en tiempo real.

Tanto si eres principiante como experto en aprendizaje profundo, nuestros tutoriales te ofrecen valiosos conocimientos sobre la implementación y optimización de YOLO para tus proyectos de visión por ordenador. ¡Vamos a sumergirnos!

Observa: Ultralytics YOLOv8 Guías

Guías

Aquí tienes una recopilación de guías detalladas que te ayudarán a dominar diferentes aspectos de Ultralytics YOLO .

• YOLO Problemas comunes ⭐ RECOMENDADO: Soluciones prácticas y consejos para solucionar los problemas más frecuentes al trabajar con los modelos Ultralytics YOLO .
• YOLO Métricas de rendimiento ⭐ ESENCIAL: Comprende las métricas clave como mAP, IoU y puntuación F1 utilizadas para evaluar el rendimiento de tus modelos YOLO . Incluye ejemplos prácticos y consejos sobre cómo mejorar la precisión y la velocidad de detección.
• Opciones de despliegue de modelos: Visión general de los formatos de despliegue del modelo YOLO como ONNX, OpenVINO, y TensorRT, con los pros y los contras de cada uno para informar tu estrategia de despliegue.
• Validación cruzada K-Fold 🚀 NUEVO: Aprende a mejorar la generalización de los modelos mediante la técnica de validación cruzada K-Fold.
• Ajuste de hiperparámetros 🚀 NUEVO: Descubre cómo optimizar tus modelos YOLO ajustando con precisión los hiperparámetros mediante la clase Afinador y los algoritmos de evolución genética.
• Inferencia rebanada de SAHI 🚀 NUEVO: Guía completa sobre cómo aprovechar las capacidades de inferencia rebanada de SAHI con YOLOv8 para la detección de objetos en imágenes de alta resolución.
• AzureML Quickstart 🚀 NUEVO: Ponte en marcha con los modelos Ultralytics YOLO en la plataforma Azure Machine Learning de Microsoft. Aprende a entrenar, desplegar y escalar tus proyectos de detección de objetos en la nube.
• Conda Quickstart 🚀 NUEVO: Guía paso a paso para configurar un entorno Conda para Ultralytics. Aprende a instalar y empezar a utilizar eficazmente el paquete Ultralytics con Conda.
• Docker Quickstart 🚀 NUEVO: Guía completa para configurar y utilizar los modelos Ultralytics YOLO con Docker. Aprende a instalar Docker, gestionar la compatibilidad con GPU y ejecutar modelos YOLO en contenedores aislados para un desarrollo y despliegue coherentes.
• Raspberry Pi 🚀 NUEVO: Tutorial de inicio rápido para ejecutar modelos YOLO en el último hardware Raspberry Pi.
• Nvidia-Jetson🚀NUEVO: Guía de inicio rápido para desplegar modelos YOLO en dispositivos Nvidia Jetson.
• Triton Integración del Serv idor de Inferencia 🚀 NUEVO: Sumérgete en la integración de Ultralytics YOLOv8 con el Servidor de Inferencia Triton de NVIDIA para implantaciones de inferencia de aprendizaje profundo escalables y eficientes.
• YOLO Inferencia a prueba de hilos 🚀 NUEVO: Directrices para realizar la inferencia con modelos YOLO a prueba de hilos. Aprende la importancia de la seguridad de los subprocesos y las mejores prácticas para evitar condiciones de carrera y garantizar predicciones coherentes.
• Aislar Obj etos de Segmentación 🚀 NUEVO: Receta y explicación paso a paso sobre cómo extraer y/o aislar objetos de imágenes utilizando Ultralytics Segmentación.
• Edge TPU en Raspberry Pi: Google Edge TPU acelera la inferencia YOLO en Raspberry Pi.
• Ver Imágenes de Inferencia en un Terminal: Utiliza el terminal integrado de VSCode para ver los resultados de la inferencia cuando utilices Túnel Remoto o sesiones SSH.
• OpenVINO Modos de Latencia vs. Rendimiento - Aprende técnicas de optimización de la latencia y el rendimiento para obtener el máximo rendimiento de la inferencia YOLO .

Proyectos reales

• Recuento de Objetos 🚀 NUEVO: Explora el proceso de recuento de objetos en tiempo real con Ultralytics YOLOv8 y adquiere los conocimientos necesarios para contar objetos eficazmente en una secuencia de vídeo en directo.
• Recorte de Objetos 🚀 NUEVO: Explora el recorte de objetos utilizando YOLOv8 para una extracción precisa de objetos de imágenes y vídeos.
• Desenfoque de Objetos 🚀 NUEVO: Aplica desenfoque de objetos con YOLOv8 para proteger la privacidad en el tratamiento de imágenes y vídeos.
• Monitorización de entrenamientos 🚀 NUEVO: Descubre el enfoque integral de la monitorización de entrenamientos con Ultralytics YOLOv8 . Adquiere las habilidades y conocimientos necesarios para utilizar eficazmente YOLOv8 para seguir y analizar diversos aspectos de las rutinas de fitness en tiempo real.
• Recuento de Objetos en Regiones 🚀 NUEVO: Explora el recuento de objetos en regiones concretas con Ultralytics YOLOv8 para una detección de objetos precisa y eficaz en zonas variadas.
• Sistema de alarma de seguridad 🚀 NUEVO: Descubre el proceso de creación de un sistema de alarma de seguridad con Ultralytics YOLOv8 . Este sistema activa alertas al detectar nuevos objetos en el marco. Posteriormente, puedes personalizar el código para adaptarlo a tu caso de uso específico.
• Mapas de calor 🚀 NUEVO: ¡Eleva tu comprensión de los datos con nuestros Mapas de calor de detección! Estas intuitivas herramientas visuales utilizan vibrantes gradientes de color para ilustrar vívidamente la intensidad de los valores de los datos en una matriz. Esenciales en la visión por ordenador, los mapas de calor están hábilmente diseñados para resaltar las áreas de interés, proporcionando una forma inmediata e impactante de interpretar la información espacial.
• Segmentación de instancias con seguimiento de objetos 🚀 NUEVO: Explora nuestra función sobre Segmentación de objetos en forma de cuadros delimitadores, que proporciona una representación visual de los límites precisos de los objetos para mejorar la comprensión y el análisis.
• Mapeo de objetos de la vista VisionEye 🚀 NUEVO: Esta función pretende que los ordenadores disciernan y se centren en objetos concretos, de forma muy parecida a como el ojo humano observa los detalles desde un punto de vista concreto.
• Estimación de la velocidad 🚀 NUEVO: La estimación de la velocidad en visión por ordenador se basa en el análisis del movimiento de los objetos mediante técnicas como el seguimiento de objetos, crucial para aplicaciones como los vehículos autónomos y la vigilancia del tráfico.
• Cálculo de distancias 🚀 NUEVO: El cálculo de distancias, que implica medir la separación entre dos objetos dentro de un espacio definido, es un aspecto crucial. En el contexto de Ultralytics YOLOv8 , el método empleado para ello consiste en utilizar el centroide del cuadro delimitador para determinar la distancia asociada a los cuadros delimitadores resaltados por el usuario.
• Gestión de Colas 🚀 NUEVO: La gestión de colas es la práctica de controlar y dirigir eficazmente el flujo de personas o tareas, a menudo mediante la planificación estratégica y la implantación de tecnología, para minimizar los tiempos de espera y mejorar la productividad general.
• Gestión de Aparcamientos 🚀 NUEVO: La gestión de aparcamientos implica organizar y dirigir eficazmente el flujo de vehículos en las zonas de aparcamiento, a menudo mediante la planificación estratégica y la integración de tecnología, para optimizar la utilización del espacio y mejorar la experiencia del usuario.

Contribuye a nuestras guías

¡Agradecemos las aportaciones de la comunidad! Si dominas algún aspecto concreto de Ultralytics YOLO que aún no esté cubierto en nuestras guías, te animamos a que compartas tu experiencia. Escribir una guía es una forma estupenda de devolver algo a la comunidad y ayudarnos a que nuestra documentación sea más completa y fácil de usar.

Para empezar, lee nuestra Guía de Contribución para saber cómo abrir una Pull Request (PR) 🛠️. ¡Esperamos tus contribuciones!

¡Trabajemos juntos para que el ecosistema Ultralytics YOLO sea más robusto y versátil 🙏!

Comentarios