Desafío: Detección de Objetos con Modelo Personalizado y YOLO
En esta tarea, te sumergirás en el mundo de la detección de objetos utilizando aprendizaje profundo. Primero, construirás tu propio modelo de detección de objetos desde cero usando Keras. Luego, cargarás un modelo YOLOv8 preentrenado y lo aplicarás al mismo conjunto de datos.
A lo largo del proceso, realizarás lo siguiente:
- Entrenamiento de un detector de objetos sencillo basado en Keras;
- Carga y ejecución de predicciones con un modelo YOLOv8 entrenado en los mismos datos;
- Evaluación de su rendimiento en imágenes reales de validación;
- Comparación de resultados y comprensión de la diferencia entre modelos personalizados y modelos de última generación.
A mitad del notebook, reflexionarás sobre por qué construir modelos de detección desde cero puede ser limitado, y mencionarás brevemente la importancia del aprendizaje por transferencia para aplicaciones prácticas.
¡Gracias por tus comentarios!
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
What is the structure of the dataset provided?
Can you explain the main differences between a custom Keras object detector and YOLOv8?
How do I get started with building the Keras-based object detector?
Awesome!
Completion rate improved to 3.45
Desafío: Detección de Objetos con Modelo Personalizado y YOLO
Desliza para mostrar el menú
En esta tarea, te sumergirás en el mundo de la detección de objetos utilizando aprendizaje profundo. Primero, construirás tu propio modelo de detección de objetos desde cero usando Keras. Luego, cargarás un modelo YOLOv8 preentrenado y lo aplicarás al mismo conjunto de datos.
A lo largo del proceso, realizarás lo siguiente:
- Entrenamiento de un detector de objetos sencillo basado en Keras;
- Carga y ejecución de predicciones con un modelo YOLOv8 entrenado en los mismos datos;
- Evaluación de su rendimiento en imágenes reales de validación;
- Comparación de resultados y comprensión de la diferencia entre modelos personalizados y modelos de última generación.
A mitad del notebook, reflexionarás sobre por qué construir modelos de detección desde cero puede ser limitado, y mencionarás brevemente la importancia del aprendizaje por transferencia para aplicaciones prácticas.
¡Gracias por tus comentarios!