Lección 7 del curso Detección de Objetos con Deep Learning.
En la lección anterior vimos cómo funcionan los modelos DETR (Detection Transformer) para la detección de objetos en imágenes. Así que en esta lección veremos de forma práctica cómo afinar y validar un modelo DETR y cómo usar el modelo afinado para detectar objetos en imágenes haciendo uso de la librería RF-DETR (Roboflow DETR):
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, la librería RF-DETR facilita considerablemente la afinación de modelos DETR, pues reduce significativamente la cantidad de líneas de código requeridas.
Sin embargo, un elemento importante a tener en cuenta es que los modelos DETR tienen muchos más parámetros que los modelos YOLO que vimos en lecciones anteriores. Por ejemplo, el modelo YOLO usado en la lección 5 tiene un poco más de 2 millones de parámetros, mientras que el modelo DETR usado en esta lección (el más pequeño disponible en la plataforma Roboflow) tiene más de 30 millones.
Lo anterior hace que los requisitos de cómputo sean más exigentes para el caso del modelo RF-DETR, así como el tiempo necesario para realizar la afinación. En últimas, en términos de desempeño los dos modelos (YOLO y DETR) son comparables pero la gran ventaja de YOLO es el menor número de parámetros.
Así que en este punto ya tenemos claro qué son los modelos YOLO y los modelos DETR y cómo implementar detectores de objetos basados en estos modelos.
Sin embargo, recientemente han surgido modelos de detección de objetos que aprovechan las ventajas que ofrecen los Grandes Modelos de Lenguaje al momento de interpretar lenguaje natural. Esta combinación entre modelos de lenguaje y modelos de visión por computador ha dado entonces origen a los modelos de vocabulario abierto para detección de objetos que pueden resultar útiles en algunos problemas de Visión por Computador. Así que en la próxima lección veremos en detalle en qué consisten estos modelos.
Todas las lecciones del curso Detección de Objetos con Deep Learning