Ir al contenido

Configuración

La configuración y los hiperparámetros de YOLO desempeñan un papel fundamental en el rendimiento, la velocidad y la precisión del modelo. Estos ajustes pueden afectar al comportamiento del modelo en varias etapas, incluyendo el entrenamiento, la validación y la predicción.

Ver: Dominando Ultralytics YOLO: Configuración



Ver: Dominar Ultralytics YOLO: Configuración

Los comandos de Ultralytics utilizan la siguiente sintaxis:

Ejemplo

yolo TASK MODE ARGS

from ultralytics import YOLO

# Load a YOLO model from a pre-trained weights file
model = YOLO("yolo11n.pt")

# Run MODE mode using the custom arguments ARGS (guess TASK)
model.MODE(ARGS)

Dónde:

Predeterminado ARG los valores se definen en esta página y provienen de cfg/defaults.yaml archivo.

Tareas

Los modelos YOLO de Ultralytics pueden realizar una variedad de tareas de visión artificial, incluyendo:

Argumento Predeterminado Descripción
task 'detect' Especifica la tarea YOLO: detect para detección de objetos, segment para segmentación, classify para clasificación, pose para la estimación de la pose, y obb para cajas delimitadoras orientadas. Cada tarea está adaptada a salidas y problemas específicos en el análisis de imágenes y vídeos.

Guía de Tareas

Modos

Los modelos YOLO de Ultralytics operan en diferentes modos, cada uno diseñado para una etapa específica del ciclo de vida del modelo:

  • Entrenar: Entrena un modelo YOLO en un conjunto de datos personalizado.
  • Val: Valide un modelo YOLO entrenado.
  • Predecir: Utilice un modelo YOLO entrenado para hacer predicciones sobre nuevas imágenes o vídeos.
  • Exportar: Exporte un modelo YOLO para su implementación.
  • Seguimiento: Realice un seguimiento de objetos en tiempo real utilizando un modelo YOLO.
  • Benchmark: Evalúe la velocidad y la precisión de las exportaciones de YOLO (ONNX, TensorRT, etc.).
Argumento Predeterminado Descripción
mode 'train' Especifica el modo de operación del modelo YOLO: train para el entrenamiento del modelo, val para la validación, predict para la inferencia, export para la conversión a formatos de implementación, track para el seguimiento de objetos, y benchmark para la evaluación del rendimiento. Cada modo admite diferentes etapas, desde el desarrollo hasta la implementación.

Guía de Modos

Ajustes de Entrenamiento

La configuración de entrenamiento para los modelos YOLO incluye hiperparámetros y configuraciones que afectan el rendimiento, la velocidad y la precisión del modelo. Los ajustes clave incluyen el tamaño del lote, la tasa de aprendizaje, el momento y la disminución del peso. La elección del optimizador, la función de pérdida y la composición del conjunto de datos también influyen en el entrenamiento. El ajuste y la experimentación son cruciales para un rendimiento óptimo. Para obtener más detalles, consulte la función de punto de entrada de Ultralytics.

Argumento Tipo Predeterminado Descripción
model str None Especifica el archivo del modelo para el entrenamiento. Acepta una ruta a un .pt modelo preentrenado o a un .yaml archivo de configuración. Esencial para definir la estructura del modelo o inicializar los pesos.
data str None Ruta al archivo de configuración del conjunto de datos (p. ej., coco8.yaml). Este archivo contiene parámetros específicos del conjunto de datos, incluyendo las rutas al entrenamiento y a los datos de validación, los nombres de las clases y el número de clases.
epochs int 100 Número total de épocas de entrenamiento. Cada época representa un pase completo sobre todo el conjunto de datos. El ajuste de este valor puede afectar la duración del entrenamiento y el rendimiento del modelo.
time float None Tiempo máximo de entrenamiento en horas. Si se establece, esto anula el epochs argumento, que permite que el entrenamiento se detenga automáticamente tras la duración especificada. Útil para escenarios de entrenamiento con restricciones de tiempo.
patience int 100 Número de épocas que se esperan sin mejora en las métricas de validación antes de detener el entrenamiento anticipadamente. Ayuda a prevenir el sobreajuste deteniendo el entrenamiento cuando el rendimiento se estanca.
batch int o float 16 Tamaño del lote (Batch size), con tres modos: establecido como un entero (p. ej., batch=16), modo automático para el 60% de utilización de la memoria de la GPU (batch=-1), o modo automático con fracción de utilización especificada (batch=0.70).
imgsz int 640 Tamaño de imagen objetivo para el entrenamiento. Las imágenes se redimensionan a cuadrados con lados iguales al valor especificado (si rect=False), conservando la relación de aspecto para los modelos YOLO, pero no para RTDETR. Afecta al modelo precisión y complejidad computacional.
save bool True Permite guardar los puntos de control del entrenamiento y los pesos finales del modelo. Útil para reanudar el entrenamiento o la implementación del modelo.
save_period int -1 Frecuencia de guardado de los puntos de control del modelo, especificada en épocas. Un valor de -1 desactiva esta función. Útil para guardar modelos provisionales durante sesiones de entrenamiento largas.
cache bool False Permite el almacenamiento en caché de las imágenes del conjunto de datos en la memoria (True/ram), en el disco (disk), o lo desactiva (False). Mejora la velocidad de entrenamiento al reducir las operaciones de E/S en el disco a costa de un mayor uso de la memoria.
device int o str o list None Especifica el(los) dispositivo(s) computacional(es) para el entrenamiento: una sola GPU (device=0), múltiples GPUs (device=[0,1]), CPU (device=cpu), MPS para Apple silicon (device=mps), o la selección automática de la GPU más inactiva (device=-1) o varias GPU inactivas (device=[-1,-1])
workers int 8 Número de hilos de trabajo para la carga de datos (por RANK si se entrena con múltiples GPU). Influye en la velocidad del preprocesamiento de los datos y en la alimentación del modelo, especialmente útil en configuraciones con múltiples GPU.
project str None Nombre del directorio del proyecto donde se guardan los resultados del entrenamiento. Permite un almacenamiento organizado de los diferentes experimentos.
name str None Nombre de la ejecución del entrenamiento. Se utiliza para crear un subdirectorio dentro de la carpeta del proyecto, donde se almacenan los registros y las salidas del entrenamiento.
exist_ok bool False Si es True, permite sobrescribir un directorio de proyecto/nombre existente. Útil para la experimentación iterativa sin necesidad de borrar manualmente las salidas anteriores.
pretrained bool o str True Determina si se debe comenzar el entrenamiento a partir de un modelo preentrenado. Puede ser un valor booleano o una ruta de cadena a un modelo específico desde el cual cargar los pesos. Mejora la eficiencia del entrenamiento y el rendimiento del modelo.
optimizer str 'auto' Elección del optimizador para el entrenamiento. Las opciones incluyen SGD, Adam, AdamW, NAdam, RAdam, RMSProp etc., o auto para la selección automática basada en la configuración del modelo. Afecta la velocidad y la estabilidad de la convergencia.
seed int 0 Establece la semilla aleatoria para el entrenamiento, asegurando la reproducibilidad de los resultados en ejecuciones con las mismas configuraciones.
deterministic bool True Fuerza el uso de algoritmos deterministas, asegurando la reproducibilidad, pero puede afectar el rendimiento y la velocidad debido a la restricción de algoritmos no deterministas.
single_cls bool False Trata todas las clases en conjuntos de datos de múltiples clases como una sola clase durante el entrenamiento. Útil para tareas de clasificación binaria o cuando se enfoca en la presencia de objetos en lugar de la clasificación.
classes list[int] None Especifica una lista de IDs de clase para entrenar. Útil para filtrar y centrarse solo en ciertas clases durante el entrenamiento.
rect bool False Permite una estrategia de relleno mínimo: las imágenes en un lote se rellenan mínimamente para alcanzar un tamaño común, con el lado más largo igual a imgsz. Puede mejorar la eficiencia y la velocidad, pero puede afectar la precisión del modelo.
multi_scale bool False Permite el entrenamiento a múltiples escalas aumentando/disminuyendo imgsz hasta un factor de 0.5 durante el entrenamiento. Entrena el modelo para que sea más preciso con múltiples imgsz durante la inferencia.
cos_lr bool False Utiliza un programador de tasa de aprendizaje coseno, ajustando la tasa de aprendizaje siguiendo una curva coseno a lo largo de las épocas. Ayuda a administrar la tasa de aprendizaje para una mejor convergencia.
close_mosaic int 10 Desactiva el aumento de datos de mosaico en las últimas N épocas para estabilizar el entrenamiento antes de completarse. Establecer en 0 desactiva esta función.
resume bool False Reanuda el entrenamiento desde el último punto de control guardado. Carga automáticamente los pesos del modelo, el estado del optimizador y el recuento de épocas, continuando el entrenamiento sin problemas.
amp bool True Habilita el entrenamiento Automático de Precisión Mixta (AMP), reduciendo el uso de memoria y posiblemente acelerando el entrenamiento con un impacto mínimo en la precisión.
fraction float 1.0 Especifica la fracción del conjunto de datos que se utilizará para el entrenamiento. Permite el entrenamiento en un subconjunto del conjunto de datos completo, útil para experimentos o cuando los recursos son limitados.
profile bool False Permite la creación de perfiles de velocidades de ONNX y TensorRT durante el entrenamiento, útil para optimizar la implementación del modelo.
freeze int o list None Congela las primeras N capas del modelo o las capas especificadas por índice, reduciendo el número de parámetros entrenables. Útil para el ajuste fino o el aprendizaje por transferencia.
lr0 float 0.01 Tasa de aprendizaje inicial (es decir, SGD=1E-2, Adam=1E-3). Ajustar este valor es crucial para el proceso de optimización, ya que influye en la rapidez con la que se actualizan los pesos del modelo.
lrf float 0.01 Tasa de aprendizaje final como una fracción de la tasa inicial = (lr0 * lrf), utilizada junto con los programadores para ajustar la tasa de aprendizaje con el tiempo.
momentum float 0.937 Factor de momento para SGD o beta1 para optimizadores Adam, que influye en la incorporación de gradientes pasados en la actualización actual.
weight_decay float 0.0005 Término de regularización L2, que penaliza los pesos grandes para evitar el sobreajuste.
warmup_epochs float 3.0 Número de épocas para el calentamiento de la tasa de aprendizaje, aumentando gradualmente la tasa de aprendizaje desde un valor bajo hasta la tasa de aprendizaje inicial para estabilizar el entrenamiento al principio.
warmup_momentum float 0.8 Momento inicial para la fase de calentamiento, ajustándose gradualmente al momento establecido durante el período de calentamiento.
warmup_bias_lr float 0.1 Tasa de aprendizaje para los parámetros de sesgo durante la fase de calentamiento, lo que ayuda a estabilizar el entrenamiento del modelo en las épocas iniciales.
box float 7.5 Peso del componente de pérdida de la caja en la función de pérdida, que influye en la cantidad de énfasis que se pone en la predicción precisa de las coordenadas del cuadro delimitador.
cls float 0.5 Peso de la pérdida de clasificación en la función de pérdida total, que afecta la importancia de la predicción correcta de la clase en relación con otros componentes.
dfl float 1.5 Peso de la pérdida focal de distribución, utilizada en ciertas versiones de YOLO para la clasificación de grano fino.
pose float 12.0 Peso de la pérdida de pose en los modelos entrenados para la estimación de la pose, lo que influye en el énfasis en la predicción precisa de los puntos clave de la pose.
kobj float 2.0 Peso de la pérdida de objetividad de los puntos clave en los modelos de estimación de pose, equilibrando la confianza de la detección con la precisión de la pose.
nbs int 64 Tamaño de lote nominal para la normalización de la pérdida.
overlap_mask bool True Determina si las máscaras de objeto deben fusionarse en una sola máscara para el entrenamiento, o mantenerse separadas para cada objeto. En caso de superposición, la máscara más pequeña se superpone a la máscara más grande durante la fusión.
mask_ratio int 4 Ratio de submuestreo para las máscaras de segmentación, que afecta la resolución de las máscaras utilizadas durante el entrenamiento.
dropout float 0.0 Tasa de dropout para la regularización en tareas de clasificación, previniendo el sobreajuste al omitir aleatoriamente unidades durante el entrenamiento.
val bool True Habilita la validación durante el entrenamiento, permitiendo la evaluación periódica del rendimiento del modelo en un conjunto de datos separado.
plots bool False Genera y guarda gráficos de las métricas de entrenamiento y validación, así como ejemplos de predicción, proporcionando información visual sobre el rendimiento del modelo y la progresión del aprendizaje.
compile bool o str False Activa PyTorch 2.x torch.compile compilación de gráficos con backend='inductor'. Acepta True → "default", False → desactiva, o un modo de cadena como "default", "reduce-overhead", "max-autotune-no-cudagraphs". Vuelve a la posición de espera con una advertencia si no tiene soporte.

Nota sobre la configuración del tamaño de lote

El batch argumento ofrece tres opciones de configuración:

  • Tamaño de lote fijo: Especifica el número de imágenes por lote con un entero (p. ej., batch=16).
  • Modo Automático (60% de Memoria de la GPU): Use batch=-1 para el ajuste automático a aproximadamente el 60% de la utilización de la memoria CUDA.
  • Modo Automático con Fracción de Utilización: Establece una fracción (p. ej., batch=0.70) para ajustarse en función del uso especificado de la memoria de la GPU.

Guía de Entrenamiento

Ajustes de Predicción

La configuración de predicción para los modelos YOLO incluye hiperparámetros y configuraciones que influyen en el rendimiento, la velocidad y la precisión durante la inferencia. Los ajustes clave incluyen el umbral de confianza, el umbral de Supresión No Máxima (NMS) y el número de clases. El tamaño de los datos de entrada, el formato y las características suplementarias como las máscaras también afectan a las predicciones. Ajustar esta configuración es esencial para un rendimiento óptimo.

Argumentos de inferencia:

Argumento Tipo Predeterminado Descripción
source str 'ultralytics/assets' Especifica la fuente de datos para la inferencia. Puede ser una ruta de imagen, un archivo de vídeo, un directorio, una URL o un ID de dispositivo para transmisiones en vivo. Admite una amplia gama de formatos y fuentes, lo que permite una aplicación flexible a través de diferentes tipos de entrada.
conf float 0.25 Establece el umbral mínimo de confianza para las detecciones. Los objetos detectados con una confianza inferior a este umbral se descartarán. Ajustar este valor puede ayudar a reducir los falsos positivos.
iou float 0.7 Umbral de Intersección sobre Unión (IoU) para la Supresión No Máxima (NMS). Los valores más bajos resultan en menos detecciones al eliminar los cuadros superpuestos, lo cual es útil para reducir los duplicados.
imgsz int o tuple 640 Define el tamaño de la imagen para la inferencia. Puede ser un entero único 640 para el redimensionamiento cuadrado o una tupla (alto, ancho). El tamaño adecuado puede mejorar la detección precisión y la velocidad de procesamiento.
rect bool True Si está habilitado, rellena mínimamente el lado más corto de la imagen hasta que sea divisible por el stride para mejorar la velocidad de inferencia. Si está deshabilitado, rellena la imagen a un cuadrado durante la inferencia.
half bool False Activa la inferencia de media precisión (FP16), lo que puede acelerar la inferencia del modelo en las GPUs compatibles con un impacto mínimo en la precisión.
device str None Especifica el dispositivo para la inferencia (p. ej., cpu, cuda:0 o 0). Permite a los usuarios seleccionar entre CPU, una GPU específica u otros dispositivos de cálculo para la ejecución del modelo.
batch int 1 Especifica el tamaño del lote para la inferencia (solo funciona cuando la fuente es un directorio, archivo de video o .txt archivo). Un tamaño de lote mayor puede proporcionar un mayor rendimiento, acortando la cantidad total de tiempo requerido para la inferencia.
max_det int 300 Número máximo de detecciones permitidas por imagen. Limita el número total de objetos que el modelo puede detectar en una sola inferencia, evitando salidas excesivas en escenas densas.
vid_stride int 1 Stride de fotogramas para entradas de vídeo. Permite omitir fotogramas en vídeos para acelerar el procesamiento a costa de la resolución temporal. Un valor de 1 procesa cada fotograma, los valores más altos omiten fotogramas.
stream_buffer bool False Determina si se deben poner en cola los fotogramas entrantes para las transmisiones de vídeo. Si False, los fotogramas antiguos se descartan para dar cabida a los nuevos (optimizado para aplicaciones en tiempo real). Si True, pone en cola nuevos fotogramas en un búfer, asegurando que no se omitan fotogramas, pero causará latencia si los FPS de inferencia son más bajos que los FPS del flujo.
visualize bool False Activa la visualización de las características del modelo durante la inferencia, proporcionando información sobre lo que el modelo está "viendo". Útil para la depuración y la interpretación del modelo.
augment bool False Activa el aumento de datos en tiempo de prueba (TTA) para las predicciones, lo que podría mejorar la robustez de la detección a costa de la velocidad de inferencia.
agnostic_nms bool False Activa la Supresión No Máxima (NMS) agnóstica a la clase, que fusiona los cuadros superpuestos de diferentes clases. Útil en escenarios de detección de múltiples clases donde la superposición de clases es común.
classes list[int] None Filtra las predicciones a un conjunto de ID de clase. Solo se devolverán las detecciones pertenecientes a las clases especificadas. Útil para centrarse en objetos relevantes en tareas de detección de múltiples clases.
retina_masks bool False Devuelve máscaras de segmentación de alta resolución. Las máscaras devueltas (masks.data) coincidirán con el tamaño de la imagen original si está activado. Si está desactivado, tienen el tamaño de imagen utilizado durante la inferencia.
embed list[int] None Especifica las capas de las que se extraerán los vectores de características o los embeddings. Útil para tareas posteriores como la agrupación o la búsqueda de similitud.
project str None Nombre del directorio del proyecto donde se guardan las salidas de predicción si save está activado.
name str None Nombre de la ejecución de la predicción. Se utiliza para crear un subdirectorio dentro de la carpeta del proyecto, donde se almacenan las salidas de la predicción si save está activado.
stream bool False Permite el procesamiento eficiente de la memoria para videos largos o numerosas imágenes al devolver un generador de objetos Results en lugar de cargar todos los fotogramas en la memoria a la vez.
verbose bool True Controla si se deben mostrar registros de inferencia detallados en la terminal, proporcionando retroalimentación en tiempo real sobre el proceso de predicción.
compile bool o str False Activa PyTorch 2.x torch.compile compilación de gráficos con backend='inductor'. Acepta True → "default", False → desactiva, o un modo de cadena como "default", "reduce-overhead", "max-autotune-no-cudagraphs". Vuelve a la posición de espera con una advertencia si no tiene soporte.

Argumentos de visualización:

Argumento Tipo Predeterminado Descripción
show bool False Si True, muestra las imágenes o vídeos anotados en una ventana. Útil para obtener información visual inmediata durante el desarrollo o las pruebas.
save bool False or True Permite guardar las imágenes o vídeos anotados en un archivo. Útil para la documentación, el análisis posterior o el intercambio de resultados. El valor predeterminado es True cuando se utiliza la CLI y False cuando se utiliza en python.
save_frames bool False Cuando se procesan vídeos, guarda los fotogramas individuales como imágenes. Útil para extraer fotogramas específicos o para un análisis detallado fotograma a fotograma.
save_txt bool False Guarda los resultados de la detección en un archivo de texto, siguiendo el formato [class] [x_center] [y_center] [width] [height] [confidence]. Útil para la integración con otras herramientas de análisis.
save_conf bool False Incluye las puntuaciones de confianza en los archivos de texto guardados. Mejora el detalle disponible para el post-procesamiento y el análisis.
save_crop bool False Guarda imágenes recortadas de las detecciones. Útil para el aumento del conjunto de datos, el análisis o la creación de conjuntos de datos enfocados para objetos específicos.
show_labels bool True Muestra etiquetas para cada detección en la salida visual. Proporciona una comprensión inmediata de los objetos detectados.
show_conf bool True Muestra la puntuación de confianza para cada detección junto con la etiqueta. Ofrece información sobre la certeza del modelo para cada detección.
show_boxes bool True Dibuja cuadros delimitadores alrededor de los objetos detectados. Esencial para la identificación visual y la ubicación de objetos en imágenes o fotogramas de vídeo.
line_width None or int None Especifica el ancho de línea de los cuadros delimitadores. Si None, el ancho de línea se ajusta automáticamente en función del tamaño de la imagen. Proporciona personalización visual para mayor claridad.

Guía de Predicción

Ajustes de Validación

La configuración de validación para los modelos YOLO implica hiperparámetros y configuraciones para evaluar el rendimiento en un conjunto de datos de validación. Estos ajustes influyen en el rendimiento, la velocidad y la precisión. Los ajustes comunes incluyen el tamaño del lote, la frecuencia de validación y las métricas de rendimiento. El tamaño y la composición del conjunto de datos de validación, junto con la tarea específica, también afectan el proceso.

Argumento Tipo Predeterminado Descripción
data str None Especifica la ruta al archivo de configuración del conjunto de datos (por ejemplo, coco8.yaml). Este archivo incluye rutas a datos de validación, los nombres de las clases y el número de clases.
imgsz int 640 Define el tamaño de las imágenes de entrada. Todas las imágenes se redimensionan a esta dimensión antes de procesarlas. Los tamaños más grandes pueden mejorar la precisión para objetos pequeños, pero aumentan el tiempo de cálculo.
batch int 16 Establece el número de imágenes por lote. Los valores más altos utilizan la memoria de la GPU de forma más eficiente, pero requieren más VRAM. Ajústelo en función de los recursos de hardware disponibles.
save_json bool False Si True, guarda los resultados en un archivo JSON para su posterior análisis, integración con otras herramientas o envío a servidores de evaluación como COCO.
conf float 0.001 Establece el umbral mínimo de confianza para las detecciones. Los valores más bajos aumentan la exhaustividad, pero pueden introducir más falsos positivos. Se utiliza durante la validación para calcular las curvas de precisión-exhaustividad.
iou float 0.7 Establece el umbral de Intersección sobre Unión para la Supresión No Máxima. Controla la eliminación de detecciones duplicadas.
max_det int 300 Limita el número máximo de detecciones por imagen. Útil en escenas densas para evitar detecciones excesivas y gestionar los recursos computacionales.
half bool True Activa el cálculo en media precisión (FP16), lo que reduce el uso de memoria y puede aumentar la velocidad con un impacto mínimo en la precisión.
device str None Especifica el dispositivo para la validación (cpu, cuda:0, etc.). Cuando None, selecciona automáticamente el mejor dispositivo disponible. Se pueden especificar múltiples dispositivos CUDA separados por comas.
dnn bool False Si True, utiliza el OpenCV módulo DNN para la inferencia del modelo ONNX, ofreciendo una alternativa a los métodos de inferencia PyTorch .
plots bool False Cuando se establece en True, genera y guarda gráficos de predicciones versus la verdad fundamental, matrices de confusión y curvas PR para la evaluación visual del rendimiento del modelo.
classes list[int] None Especifica una lista de IDs de clase para entrenar. Útil para filtrar y centrarse solo en ciertas clases durante la evaluación.
rect bool True Si True, utiliza la inferencia rectangular para el procesamiento por lotes, reduciendo el relleno y aumentando potencialmente la velocidad y la eficiencia al procesar las imágenes en su relación de aspecto original.
split str 'val' Determina la división del conjunto de datos que se utilizará para la validación (val, test, o train). Permite flexibilidad al elegir el segmento de datos para la evaluación del rendimiento.
project str None Nombre del directorio del proyecto donde se guardan los resultados de la validación. Ayuda a organizar los resultados de diferentes experimentos o modelos.
name str None Nombre de la ejecución de validación. Se utiliza para crear un subdirectorio dentro de la carpeta del proyecto, donde se almacenan los registros y las salidas de la validación.
verbose bool False Si True, muestra información detallada durante el proceso de validación, incluyendo métricas por clase, progreso del lote e información de depuración adicional.
save_txt bool False Si True, guarda los resultados de la detección en archivos de texto, con un archivo por imagen, lo que es útil para análisis posteriores, post-procesamiento personalizado o integración con otros sistemas.
save_conf bool False Si True, incluye valores de confianza en los archivos de texto guardados cuando save_txt está habilitado, proporcionando una salida más detallada para el análisis y el filtrado.
workers int 8 Número de hilos de trabajo para la carga de datos. Los valores más altos pueden acelerar el preprocesamiento de datos, pero pueden aumentar el uso de la CPU. Establecer en 0 utiliza el hilo principal, que puede ser más estable en algunos entornos.
augment bool False Habilita el aumento en tiempo de prueba (TTA) durante la validación, lo que podría mejorar la precisión de la detección a costa de la velocidad de inferencia al ejecutar la inferencia en versiones transformadas de la entrada.
agnostic_nms bool False Habilita la Supresión No Máxima independiente de la clase, que fusiona cuadros superpuestos independientemente de su clase predicha. Útil para aplicaciones centradas en instancias.
single_cls bool False Trata todas las clases como una sola clase durante la validación. Útil para evaluar el rendimiento del modelo en tareas de detección binaria o cuando las distinciones de clase no son importantes.
visualize bool False Visualiza los ground truths, verdaderos positivos, falsos positivos y falsos negativos para cada imagen. Útil para la depuración e interpretación del modelo.
compile bool o str False Activa PyTorch 2.x torch.compile compilación de gráficos con backend='inductor'. Acepta True → "default", False → desactiva, o un modo de cadena como "default", "reduce-overhead", "max-autotune-no-cudagraphs". Vuelve a la posición de espera con una advertencia si no tiene soporte.

Un ajuste y experimentación cuidadosos son cruciales para asegurar un rendimiento óptimo y para detectar y prevenir el sobreajuste.

Guía de validación

Ajustes de Exportación

Los ajustes de exportación para los modelos YOLO incluyen configuraciones para guardar o exportar el modelo para su uso en diferentes entornos. Estos ajustes impactan el rendimiento, el tamaño y la compatibilidad. Los ajustes clave incluyen el formato de archivo exportado (p. ej., ONNX, TensorFlow SavedModel), el dispositivo de destino (p. ej., CPU, GPU) y características como las máscaras. La tarea del modelo y las restricciones del entorno de destino también afectan el proceso de exportación.

Argumento Tipo Predeterminado Descripción
format str 'torchscript' Formato de destino para el modelo exportado, como 'onnx', 'torchscript', 'engine' (TensorRT) u otros. Cada formato permite la compatibilidad con diferentes entornos de implementación.
imgsz int o tuple 640 Tamaño de imagen deseado para la entrada del modelo. Puede ser un entero para imágenes cuadradas (p. ej., 640 para 640×640) o una tupla (height, width) para dimensiones específicas.
keras bool False Activa la exportación al formato Keras para TensorFlow SavedModel, proporcionando compatibilidad con el servicio y las API de TensorFlow.
optimize bool False Aplica la optimización para dispositivos móviles al exportar a TorchScript, lo que podría reducir el tamaño del modelo y mejorar el rendimiento de la inferencia. No es compatible con el formato NCNN ni con los dispositivos CUDA.
half bool False Habilita la cuantificación FP16 (media precisión), reduciendo el tamaño del modelo y potencialmente acelerando la inferencia en hardware compatible. No es compatible con la cuantificación INT8 o las exportaciones solo para CPU para ONNX.
int8 bool False Activa la cuantificación INT8, comprimiendo aún más el modelo y acelerando la inferencia con una mínima pérdida de precisión, principalmente para dispositivos de borde. Cuando se utiliza con TensorRT, realiza la cuantificación posterior al entrenamiento (PTQ).
dynamic bool False Permite tamaños de entrada dinámicos para las exportaciones de ONNX, TensorRT y OpenVINO, lo que mejora la flexibilidad en el manejo de diferentes dimensiones de imagen. Se establece automáticamente en True al usar TensorRT con INT8.
simplify bool True Simplifica el gráfico del modelo para las exportaciones ONNX con onnxslim, mejorando potencialmente el rendimiento y la compatibilidad con los motores de inferencia.
opset int None Especifica la versión de ONNX opset para la compatibilidad con diferentes analizadores y tiempos de ejecución ONNX. Si no se establece, utiliza la última versión compatible.
workspace float o None None Establece el tamaño máximo del espacio de trabajo en GiB para TensorRT optimizaciones, equilibrando el uso de la memoria y el rendimiento. Utilice None para la asignación automática por TensorRT hasta el máximo del dispositivo.
nms bool False Añade la supresión no máxima (NMS) al modelo exportado cuando es compatible (ver Formatos de exportación), mejorando la eficiencia del post-procesamiento de la detección. No disponible para modelos end2end.
batch int 1 Especifica el tamaño del lote de inferencia del modelo de exportación o el número máximo de imágenes que el modelo exportado procesará simultáneamente en predict modo. Para las exportaciones de Edge TPU, esto se establece automáticamente en 1.
device str None Especifica el dispositivo para la exportación: GPU (device=0), CPU (device=cpu), MPS para Apple silicon (device=mps) o DLA para NVIDIA Jetson (device=dla:0 o device=dla:1). Las exportaciones de TensorRT utilizan automáticamente la GPU.
data str 'coco8.yaml' Ruta al conjunto de datos archivo de configuración (por defecto: coco8.yaml), esencial para la calibración de la cuantificación INT8. Si no se especifica con INT8 habilitado, se asignará un conjunto de datos predeterminado.
fraction float 1.0 Especifica la fracción del conjunto de datos que se utilizará para la calibración de la cuantificación INT8. Permite calibrar en un subconjunto del conjunto de datos completo, útil para experimentos o cuando los recursos son limitados. Si no se especifica con INT8 habilitado, se utilizará el conjunto de datos completo.

Una configuración bien pensada asegura que el modelo exportado esté optimizado para su caso de uso y funcione eficazmente en el entorno objetivo.

Guía de exportación

Ajustes de soluciones

La configuración de las soluciones de Ultralytics ofrece flexibilidad para personalizar modelos para tareas como el conteo de objetos, la creación de mapas de calor, el seguimiento de entrenamientos, el análisis de datos, el seguimiento de zonas, la gestión de colas y el conteo basado en regiones. Estas opciones permiten ajustes sencillos para obtener resultados precisos y útiles adaptados a necesidades específicas.

Argumento Tipo Predeterminado Descripción
model str None Ruta al archivo del modelo YOLO de Ultralytics.
region list '[(20, 400), (1260, 400)]' Lista de puntos que definen la región de conteo.
show_in bool True Indica si se deben mostrar los conteos de entrada en la transmisión de video.
show_out bool True Indica si se deben mostrar los conteos de salida en la transmisión de video.
analytics_type str line Tipo de gráfico, es decir, line, bar, area, o pie.
colormap int cv2.COLORMAP_JET Mapa de colores que se utilizará para el mapa de calor.
json_file str None Ruta al archivo JSON que contiene todos los datos de coordenadas de estacionamiento.
up_angle float 145.0 Umbral de ángulo para la pose 'arriba'.
kpts list[int, int, int] '[6, 8, 10]' Lista de puntos clave utilizados para monitorizar los entrenamientos. Estos puntos clave corresponden a articulaciones o partes del cuerpo, como hombros, codos y muñecas, para ejercicios como flexiones, dominadas, sentadillas y ejercicios abdominales.
down_angle float 90.0 Umbral de ángulo para la pose 'abajo'.
blur_ratio float 0.5 Ajusta el porcentaje de intensidad del desenfoque, con valores en el rango 0.1 - 1.0.
crop_dir str 'cropped-detections' Nombre del directorio para almacenar las detecciones recortadas.
records int 5 Conteo total de detecciones para activar un correo electrónico con el sistema de alarma de seguridad.
vision_point tuple[int, int] (20, 20) El punto donde la visión rastreará objetos y dibujará rutas utilizando VisionEye Solution.
source str None Ruta a la fuente de entrada (video, RTSP, etc.). Solo se puede utilizar con la interfaz de línea de comandos (CLI) de Solutions.
figsize tuple[int, int] (12.8, 7.2) Tamaño de la figura para gráficos analíticos como mapas de calor o gráficos.
fps float 30.0 Fotogramas por segundo utilizados para los cálculos de velocidad.
max_hist int 5 Puntos históricos máximos para rastrear por objeto para cálculos de velocidad/dirección.
meter_per_pixel float 0.05 Factor de escala utilizado para convertir la distancia en píxeles a unidades del mundo real.
max_speed int 120 Límite de velocidad máximo en superposiciones visuales (utilizado en alertas).
data str 'images' Ruta al directorio de imágenes utilizado para la búsqueda de similitud.

Guía de soluciones

Ajustes de Aumento de Datos

Las técnicas de aumento de datos son esenciales para mejorar la robustez y el rendimiento del modelo YOLO al introducir variabilidad en los datos de entrenamiento, lo que ayuda al modelo a generalizar mejor a datos no vistos. La siguiente tabla describe el propósito y el efecto de cada argumento de aumento:

Argumento Tipo Predeterminado Tareas admitidas Rango Descripción
hsv_h float 0.015 detect, segment, pose, obb, classify 0.0 - 1.0 Ajusta el tono de la imagen en una fracción de la rueda de colores, introduciendo variabilidad de color. Ayuda al modelo a generalizar en diferentes condiciones de iluminación.
hsv_s float 0.7 detect, segment, pose, obb, classify 0.0 - 1.0 Altera la saturación de la imagen en una fracción, afectando la intensidad de los colores. Útil para simular diferentes condiciones ambientales.
hsv_v float 0.4 detect, segment, pose, obb, classify 0.0 - 1.0 Modifica el valor (brillo) de la imagen en una fracción, ayudando al modelo a funcionar bien en diversas condiciones de iluminación.
degrees float 0.0 detect, segment, pose, obb 0.0 - 180 Rota la imagen aleatoriamente dentro del rango de grados especificado, mejorando la capacidad del modelo para reconocer objetos en varias orientaciones.
translate float 0.1 detect, segment, pose, obb 0.0 - 1.0 Traslada la imagen horizontal y verticalmente en una fracción del tamaño de la imagen, ayudando a aprender a detectar objetos parcialmente visibles.
scale float 0.5 detect, segment, pose, obb, classify >=0.0 Escala la imagen mediante un factor de ganancia, simulando objetos a diferentes distancias de la cámara.
shear float 0.0 detect, segment, pose, obb -180 - +180 Cizalla la imagen según un grado especificado, imitando el efecto de objetos vistos desde diferentes ángulos.
perspective float 0.0 detect, segment, pose, obb 0.0 - 0.001 Aplica una transformación de perspectiva aleatoria a la imagen, mejorando la capacidad del modelo para comprender objetos en el espacio 3D.
flipud float 0.0 detect, segment, pose, obb, classify 0.0 - 1.0 Invierte la imagen verticalmente con la probabilidad especificada, aumentando la variabilidad de los datos sin afectar las características del objeto.
fliplr float 0.5 detect, segment, pose, obb, classify 0.0 - 1.0 Invierte la imagen de izquierda a derecha con la probabilidad especificada, útil para aprender objetos simétricos y aumentar la diversidad del conjunto de datos.
bgr float 0.0 detect, segment, pose, obb 0.0 - 1.0 Invierte los canales de la imagen de RGB a BGR con la probabilidad especificada, útil para aumentar la robustez ante un orden incorrecto de los canales.
mosaic float 1.0 detect, segment, pose, obb 0.0 - 1.0 Combina cuatro imágenes de entrenamiento en una, simulando diferentes composiciones de escena e interacciones de objetos. Altamente eficaz para la comprensión de escenas complejas.
mixup float 0.0 detect, segment, pose, obb 0.0 - 1.0 Mezcla dos imágenes y sus etiquetas, creando una imagen compuesta. Mejora la capacidad del modelo para generalizar al introducir ruido en las etiquetas y variabilidad visual.
cutmix float 0.0 detect, segment, pose, obb 0.0 - 1.0 Combina porciones de dos imágenes, creando una mezcla parcial mientras mantiene regiones distintas. Mejora la robustez del modelo al crear escenarios de oclusión.
copy_paste float 0.0 segment 0.0 - 1.0 Copia y pega objetos entre imágenes para aumentar las instancias de objetos.
copy_paste_mode str flip segment - Especifica el copy-paste estrategia a utilizar. Las opciones incluyen 'flip' y 'mixup'.
auto_augment str randaugment classify - Aplica una política de aumento predefinida ('randaugment', 'autoaugment', o 'augmix') para mejorar el rendimiento del modelo a través de la diversidad visual.
erasing float 0.4 classify 0.0 - 0.9 Borra aleatoriamente regiones de la imagen durante el entrenamiento para animar al modelo a centrarse en características menos obvias.

Ajuste esta configuración para cumplir con los requisitos del conjunto de datos y de la tarea. Experimentar con diferentes valores puede ayudar a encontrar la estrategia de aumento óptima para obtener el mejor rendimiento del modelo.

Guía de Aumento de Datos

Ajustes de Registro, Puntos de Control y Trazado

El registro, los puntos de control, el trazado y la gestión de archivos son importantes al entrenar un modelo YOLO:

  • Registro: Realiza un seguimiento del progreso del modelo y diagnostica problemas utilizando bibliotecas como TensorBoard o escribiendo en un archivo.
  • Puntos de control: Guarde el modelo a intervalos regulares para reanudar el entrenamiento o experimentar con diferentes configuraciones.
  • Trazado de Gráficos: Visualice el rendimiento y el progreso del entrenamiento utilizando bibliotecas como matplotlib o TensorBoard.
  • Gestión de archivos: Organice los archivos generados durante el entrenamiento, como puntos de control, archivos de registro y gráficos, para facilitar el acceso y el análisis.

La gestión eficaz de estos aspectos ayuda a seguir el progreso y facilita la depuración y la optimización.

Argumento Predeterminado Descripción
project 'runs' Especifica el directorio raíz para guardar las ejecuciones de entrenamiento. Cada ejecución se guarda en un subdirectorio separado.
name 'exp' Define el nombre del experimento. Si no se especifica, YOLO incrementa este nombre para cada ejecución (p. ej., exp, exp2) para evitar la sobreescritura.
exist_ok False Determina si se debe sobrescribir un directorio de experimento existente. True permite la sobreescritura; False la impide.
plots False Controla la generación y el guardado de gráficos de entrenamiento y validación. Establecer en True para crear gráficos como curvas de pérdida, precisión-exhaustividad curvas y predicciones de muestra para el seguimiento visual del rendimiento.
save False Permite guardar los puntos de control de entrenamiento y los pesos del modelo final. Establecer en True para guardar los estados del modelo periódicamente, lo que permite la reanudación del entrenamiento o la implementación del modelo.

Preguntas frecuentes

¿Cómo puedo mejorar el rendimiento de mi modelo YOLO durante el entrenamiento?

Mejore el rendimiento ajustando los hiperparámetros como el tamaño del lote, la tasa de aprendizaje, el momento y la disminución del peso. Ajuste la configuración de la aumentación de datos, seleccione el optimizador correcto y utilice técnicas como la parada temprana o la precisión mixta. Para obtener más información, consulte la Guía de entrenamiento.

¿Cuáles son los hiperparámetros clave para la precisión del modelo YOLO?

Los hiperparámetros clave que afectan la precisión incluyen:

  • Tamaño del lote (batch): Los tamaños más grandes pueden estabilizar el entrenamiento, pero necesitan más memoria.
  • Tasa de aprendizaje (lr0): Las tasas más pequeñas ofrecen ajustes finos pero una convergencia más lenta.
  • Momento (momentum): Acelera los vectores de gradiente, amortiguando las oscilaciones.
  • Tamaño de la imagen (imgsz): Los tamaños más grandes mejoran la precisión, pero aumentan la carga computacional.

Ajuste estos valores según su conjunto de datos y hardware. Obtenga más información en Ajustes de entrenamiento.

¿Cómo configuro la tasa de aprendizaje para entrenar un modelo YOLO?

La tasa de aprendizaje (lr0) es crucial; comience con 0.01 para SGD o 0.001 para Optimizador Adam. Supervise las métricas y ajústelas según sea necesario. Utilice planificadores de la tasa de aprendizaje coseno (cos_lr) o warmup (warmup_epochs, warmup_momentum). Los detalles están en el Guía de Entrenamiento.

¿Cuáles son los ajustes de inferencia predeterminados para los modelos YOLO?

Los ajustes predeterminados incluyen:

  • Umbral de confianza (conf=0.25): Confianza mínima para las detecciones.
  • Umbral de IoU (iou=0.7): Para Supresión No Máxima (NMS).
  • Tamaño de la imagen (imgsz=640): Redimensiona las imágenes de entrada.
  • Dispositivo (device=None): Selecciona CPU o GPU.

Para obtener una visión general completa, consulta Ajustes de predicción y la Guía de predicción.

¿Por qué usar el entrenamiento de precisión mixta con los modelos YOLO?

Precisión mixta entrenamiento (amp=True) reduce el uso de memoria y acelera el entrenamiento utilizando FP16 y FP32. Es beneficioso para las GPUs modernas, permitiendo modelos más grandes y cálculos más rápidos sin una pérdida significativa de precisión. Obtenga más información en la Guía de Entrenamiento.



📅 Creado hace 1 año ✏️ Actualizado hace 3 meses
glenn-jocher MatthewNoyce ambitious-octopus fcakyon Laughing-q RizwanMunawar jk4e UltralyticsAssistant plashchynski Burhan-Q AyushExel tensorturtle

Comentarios