Lección 3 del curso Detección de Objetos con Deep Learning.
En la lección anterior vimos qué es el mean Average Precision (o mAP), la métrica más usada para evaluar el desempeño de un detector de objetos.
En esta lección veremos los criterios que sugiero tener en cuenta para elegir un modelo detector de objetos, un elemento que resultará clave al momento de desarrollar nuestros proyectos:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, al momento de construir un detector de objetos se sugiere usar la transferencia de aprendizaje o afinación de un modelo pre-entrenado en lugar de entrenar un modelo desde cero.
Y cuando hablamos de modelos pre-entrenados tendremos dos familias disponibles:
- Los modelos basados en Redes Convolucionales (como por ejemplo el modelo YOLO que veremos en detalle en la próxima lección)
- Y los modelos basados en Redes Transformer (del cual hablaremos en detalle más adelante en este curso)
Así que para elegir qué tipo de modelo resulta más adecuado para nuestra aplicación debemos tener claro:
- Qué tipo de aplicación queremos construir y si el dispositivo donde se desplegará el modelo usa CPU, GPU o es un dispositivo on the edge
- Qué latencia (o velocidad de inferencia) esperamos tener
- Y con base en lo anterior debemos elegir el modelo pre-entrenado cuyo mAP, latencia y número de parámetros se adecúen a las condiciones anteriores
Así que con esto ya hemos completado el primer módulo del curso, donde hemos visto una introducción general a todos los conceptos y elementos que debemos tener en cuenta al desarrollar un proyecto de detección de objetos.
Entonces, en el segundo módulo nos enfocaremos en analizar en detalle (desde el punto de vista conceptual y práctico) los principales modelos de detección de objetos existentes en la actualidad. Y específicamente en la próxima lección veremos una explicación detallada del modelo YOLO, uno de los principales modelos de detección de objetos usados en la actualidad.
Todas las lecciones del curso Detección de Objetos con Deep Learning