9 – Detección de objetos con YOLO World y Grounding DINO

Lección 9 del curso Detección de Objetos con Deep Learning.

En la lección anterior vimos el principio de funcionamiento de los modelos de vocabulario abierto para detección de objetos. En esencia, estos modelos usan el lenguaje natural para el proceso de detección.

Así que en esta última lección del curso veremos cómo usar los modelos YOLO World y Grounding DINO, ambos modelos de vocabulario abierto, para detectar objetos en una imagen:

Como acabamos de ver, el uso de estos modelos de vocabulario abierto es bastante simple: únicamente debemos presentar al modelo pre-entrenado la imagen y el «prompt» o texto que guiará el proceso de detección.

Aunque es clave tener en cuenta que, por tratarse de modelos basados 100% en Redes Transformer, los modelos Grounding DINO tienen muchísimos más parámetros que los modelos YOLO World, lo cual hace que el tiempo de inferencia y los recursos computacionales requeridos sean mucho mayores.

Así que con esto hemos llegado al final de este curso: ¡te felicito por haber llegado hasta este punto!

A lo largo de estas lecciones hemos visto qué es un detector de objetos, cómo se evalúa su desempeño y qué criterios sugiero tener en cuenta para elegir un modelo de detección de objetos. De igual forma, hemos visto qué son y cómo hacer uso de los modelos YOLO y DETR para implementar diferentes detectores de objetos. Y finalmente, en estas dos últimas lecciones, vimos qué son y cómo usar los modelos de detección de objetos de vocabulario abierto.

Así que espero que te haya gustado este curso y como siempre te invito a contactarme a través de la Intranet para que me compartas tus opiniones y sugerencias que me permitan seguir mejorando el contenido de la Academia.

¡Te envío un saludo y nos vemos en el próximo curso!

Todas las lecciones del curso Detección de Objetos con Deep Learning