Modelos de IA

Cómo utilizar YOLOv11 para la clasificación de imágenes

Enero 15, 2025

La clasificación de imágenes es una tarea fundamental en la visión artificial que asigna etiquetas a las imágenes en función de su contenido. Desde el reconocimiento de animales en fotografías hasta la identificación de piezas defectuosas en la fabricación, la clasificación de imágenes potencia una amplia gama de aplicaciones en todas las industrias.

Aunque YOLO (You Only Look Once) es conocido tradicionalmente por su función de detección de objetos, su versátil arquitectura se puede adaptar para la clasificación de imágenes. YOLOv11, la última versión, incorpora avances de última generación que lo hacen adecuado no solo para detectar objetos, sino también para clasificar imágenes con precisión.

En esta guía completa, exploramos cómo aprovechar YOLOv11 para la clasificación de imágenes. Ya sea que esté trabajando en un proyecto personal o implementando un sistema de clasificación a gran escala, este blog le brindará todo lo que necesita para comenzar y destacarse con YOLOv11.

¿Qué es la clasificación de imágenes?

La clasificación de imágenes es la tarea de analizar una imagen y asignarla a una o más categorías predefinidas. A diferencia de la detección de objetos, que identifica varios objetos dentro de una imagen, la clasificación se centra en la imagen en su conjunto.

Principios clave de la clasificación de imágenes

Extracción de características: Identificar patrones o características clave en la imagen.
Predicción de etiquetas: Asignación de características extraídas a una de las etiquetas predefinidas.

Aplicaciones de la clasificación de imágenes

Cuidado de la salud: Diagnóstico de enfermedades mediante exploraciones médicas.
Minorista: Categorización de productos para la gestión de inventario.
Vehículos autónomos: Reconocer señales y señales de tránsito.
Moderación de contenido: Identificar contenido inapropiado en las redes sociales.

YOLOv11 y la clasificación de imágenes

YOLOv11 amplía sus capacidades más allá de la detección de objetos para ofrecer funciones de clasificación de imágenes robustas. Su potente arquitectura de red troncal y su diseño eficiente lo convierten en una opción competitiva para tareas de clasificación.

Características clave de YOLOv11 para la clasificación

Red troncal basada en transformador: Extracción de características mejorada para una alta precisión de clasificación.
Escalado dinámico de funciones: Maneja eficientemente imágenes de diferentes resoluciones.
Apoyo al aprendizaje multitarea: Permite el entrenamiento simultáneo para la clasificación y otras tareas.

Ventajas de YOLOv11 para la clasificación

Velocidad: Inferencia en tiempo real, incluso en grandes conjuntos de datos.
Precisión: Rendimiento de última generación en puntos de referencia de clasificación.
Escalabilidad: Adaptable a dispositivos de borde y sistemas a gran escala.

Comparación con los modelos de clasificación tradicionales

Característica	YOLOv11	Modelos tradicionales
Speed (Rapidez)	Gestión del riesgo	A menudo más lento
Versatilidad	Capacidades multitarea	Centrado en tareas individuales
Despliegue	Optimizado para dispositivos de borde	Requisitos computacionales elevados

Configuración de YOLOv11 para la clasificación de imágenes

Requisitos del sistema

Para utilizar YOLOv11 de manera eficaz en la clasificación de imágenes, asegúrese de que su sistema cumpla los siguientes requisitos:

hardware:
- Una GPU potente con al menos 8 GB de VRAM (preferiblemente serie NVIDIA RTX).
- 16 GB de RAM o superior.
- Almacenamiento SSD para una carga más rápida de conjuntos de datos.
Software:
- 3.8 Python o superior.
- PyTorch 2.0+ (o TensorFlow para implementaciones alternativas).
- CUDA Kit de herramientas y cuDNN para la aceleración de la GPU.

Pasos de la instalación

Clonar el repositorio YOLOv11:

git clone https://github.com/your-repo/yolov11.git
cd yolov11

2. Instalar dependencias:

Cree un entorno virtual e instale los paquetes necesarios:

pip install -r requirements.txt

3. Verificar la instalación:
Ejecute un script de prueba para asegurarse de que YOLOv11 esté instalado correctamente:

python test_installation.py

Descarga de modelos y conjuntos de datos preentrenados

Los modelos preentrenados están disponibles para descargar:

wget https://path-to-weights/yolov11-classification.pt

Utilice conjuntos de datos abiertos como ImageNet o CIFAR-10 para la práctica o conjuntos de datos del mundo real para aplicaciones específicas.

Comprensión de la configuración de YOLOv11 para la clasificación

Configuración de la arquitectura del modelo

La arquitectura de YOLOv11 se puede modificar para la clasificación ajustando las capas de salida. Los archivos de configuración clave incluyen:

Configuración del modelo (yolov11-classification.yaml):
- Especifica el número de clases y detalles de la arquitectura:

nc: 1000  # Number of classes (e.g., ImageNet has 1000)
depth_multiple: 1.0
width_multiple: 1.0

Configuración del conjunto de datos (dataset.yaml):

Define rutas de conjuntos de datos y nombres de etiquetas:

train: data/train_images/
val: data/val_images/
nc: 1000
names: ['class1', 'class2', 'class3', ...]

Formatos de preparación y anotación de conjuntos de datos

Asegúrese de que el conjunto de datos esté organizado de la siguiente manera:

Estructura de carpetas:

data/
  train/
    class1/
    class2/
  val/
    class1/
    class2/

Etiquetas: Cada carpeta representa una clase.

Hiperparámetros clave para la clasificación

Ajustar hiperparámetros en hyp.yaml para un rendimiento óptimo:

Tasa de aprendizaje (lr0):Tasa de aprendizaje inicial.
Tamaño del lote (batch_size):Número de imágenes por lote.
Épocas (epochs): Iteraciones totales de entrenamiento.

Entrenamiento de YOLOv11 para la clasificación de imágenes

Ajuste fino de conjuntos de datos personalizados

El ajuste fino aprovecha los pesos entrenados previamente para adaptar YOLOv11 a nuevas tareas de clasificación:

python train.py --cfg yolov11-classification.yaml --data dataset.yaml --weights yolov11-pretrained.pt --epochs 50

Transferir aprendizaje

El aprendizaje por transferencia acelera el entrenamiento al reutilizar el conocimiento de modelos previamente entrenados:

python train.py --weights yolov11-pretrained.pt --data dataset.yaml --freeze-layers

Seguimiento del proceso de formación

Seguimiento de métricas como:

Precisión: Porcentaje de predicciones correctas.
Pérdida: La diferencia entre etiquetas previstas y reales.

Utilice herramientas como TensorBoard o W&B para la visualización.

Ejecución de inferencias con YOLOv11

Clasificación de imágenes a partir de imágenes individuales

python classify.py --weights yolov11-classification.pt --img path/to/image.jpg

Inferencia por lotes para conjuntos de datos

python classify.py --weights yolov11-classification.pt --source path/to/dataset/

Clasificación en tiempo real

python classify.py --weights yolov11-classification.pt --source 0

Optimización de YOLOv11 para la clasificación

La optimización garantiza que YOLOv11 funcione de manera eficiente y ofrezca alta precisión, ya sea que se implemente en sistemas a gran escala o en dispositivos con recursos limitados.

Técnicas para mejorar la precisión de la clasificación

Aumento de datos:
- Aplique transformaciones como inversión, rotación, escala y variación de color para aumentar la diversidad del conjunto de datos.
- Ejemplo utilizando Albumentaciones:

import albumentations as A

transform = A.Compose([
    A.HorizontalFlip(p=0.5),
    A.RandomBrightnessContrast(p=0.2),
    A.Rotate(limit=15, p=0.5),
])

2. Equilibrio de clases:

- Abordar el desequilibrio de clases mediante un sobremuestreo de clases subrepresentadas o utilizando funciones de pérdida ponderada.

3. Programación de la tasa de aprendizaje:

- - Implementar la disminución de la tasa de aprendizaje para estabilizar el entrenamiento:

lr0: 0.01
lrf: 0.0001  # Final learning rate

4. Ajuste de hiperparámetros:

- Utilice herramientas de búsqueda de cuadrícula o de optimización bayesiana para encontrar valores óptimos para hiperparámetros como el tamaño del lote, la tasa de aprendizaje y el impulso.

5. Regularización:

- Aplicar abandono o regularización L2 para evitar el sobreajuste.

Poda y cuantificación de modelos

Poda:
- Elimine las capas redundantes para reducir la complejidad del modelo.
- Utilice las utilidades de poda de PyTorch:

from torch.nn.utils import prune

prune.l1_unstructured(model.layer, name="weight", amount=0.3)

Cuantificación:

Convierta los pesos a una precisión menor (por ejemplo, FP16 o INT8) para reducir el uso de memoria y acelerar la inferencia.
Ejemplo usando PyTorch:

quantized_model = torch.quantization.quantize_dynamic(
    model, {torch.nn.Linear}, dtype=torch.qint8
)

Rendimiento de referencia:

Pruebe modelos optimizados en cuanto a velocidad y precisión utilizando herramientas de evaluación comparativa.

Implementación de YOLOv11 en dispositivos Edge

El diseño liviano de YOLOv11 lo hace adecuado para implementación en el borde en dispositivos como Raspberry Pi, NVIDIA Jetson Nano o Coral TPU.

Convertir a ONNX o TensorRT:
- Exportar el modelo:

quantized_model = torch.quantization.quantize_dynamic(
    model, {torch.nn.Linear}, dtype=torch.qint8
)

Optimizar con TensorRT:

trtexec --onnx=model.onnx --saveEngine=model.engine

2. Implementar en dispositivos Edge:

- Cargue el modelo TensorRT u ONNX en el dispositivo.
- Utilice las API de Python o C++ para la inferencia.

3. Optimizar para un bajo consumo de energía:

- Habilite los modos de ahorro de energía o utilice las funciones de aceleración de hardware disponibles en el dispositivo.

Estudios de casos y aplicaciones del mundo real

Caso práctico 1: Clasificación de productos minoristas

Una empresa minorista utilizó YOLOv11 para clasificar productos en las estanterías, lo que permitió el seguimiento del inventario en tiempo real. El sistema ajustó YOLOv11 en un conjunto de datos personalizado de imágenes de productos y logró una precisión de clasificación del 95 %.

Desafíos y soluciones:

Desafío: Manejo de imágenes de baja calidad.
Solución: Ampliación de datos y entrada de mayor resolución.

Resultados:

Se redujeron los errores de inventario en un 20%.
Clasificación en tiempo real a 25 FPS en Jetson Nano.

Estudio de caso 2: Monitoreo de la vida silvestre

Una organización de conservación implementó YOLOv11 para clasificar especies de vida silvestre en imágenes captadas por cámaras trampa. La velocidad y precisión de YOLOv11 lo hicieron ideal para procesar miles de imágenes diariamente.

Características principales utilizadas:

Pesos preentrenados ajustados en un conjunto de datos de 50 especies de vida silvestre.
Escalado dinámico de características para distintas resoluciones de imagen.

Resultados:

Se mejoró la precisión de la clasificación de especies al 92%.
Automatizó el 80% de las tareas manuales de revisión de imágenes.

Estudio de caso 3: Imágenes médicas

YOLOv11 se utilizó en un proyecto de atención médica para clasificar imágenes de rayos X con el fin de diagnosticar enfermedades pulmonares. Su estructura basada en transformadores se destacó en la extracción de características de imágenes de alta resolución.

Desafíos:

Conjunto de datos desequilibrado con una pequeña cantidad de muestras enfermas.
Alta variabilidad en la calidad de la imagen.

Soluciones:

Se aplicaron funciones de pérdida ponderada para abordar el desequilibrio de clases.
Se utilizó el aprendizaje por transferencia para ajustar YOLOv11 en el conjunto de datos limitado.

Resultados:

La precisión de clasificación alcanzó el 97%.
Reducción del tiempo de diagnóstico en un 40%.

El futuro de la clasificación de imágenes y YOLOv11

Tendencias en la clasificación de imágenes

Aprendizaje autosupervisado:
- Modelos como YOLOv11 pueden incorporar técnicas autosupervisadas para reducir la dependencia de grandes conjuntos de datos etiquetados.
Aprendizaje multimodal:
- Combinar la clasificación de imágenes con otras modalidades como texto o audio para mejorar la comprensión del contexto.
Expansión de inteligencia artificial de Edge:
- La creciente demanda de clasificación en tiempo real en dispositivos de borde impulsará innovaciones en arquitecturas ligeras.
Modelos basados en transformadores:
- Los transformadores desempeñarán un papel más importante en la extracción y clasificación de características.

El papel de YOLOv11 en el avance de la tecnología de clasificación

Las innovaciones de YOLOv11 establecen un nuevo estándar para la clasificación de imágenes, ofreciendo:

Velocidad y precisión incomparables.
Flexibilidad para el aprendizaje multitarea.
Compatibilidad con diversos entornos de implementación, desde servidores en la nube hasta dispositivos perimetrales.

A medida que la familia YOLO evoluciona, YOLOv11 está preparado para seguir siendo un actor clave en el avance de la tecnología de clasificación.

Conclusión

YOLOv11 demuestra su versatilidad al destacarse en tareas de clasificación de imágenes y, al mismo tiempo, mantener la velocidad y la eficiencia por las que es conocido en la detección de objetos. Desde la configuración del entorno y los modelos de entrenamiento hasta su implementación en aplicaciones del mundo real, esta guía le proporciona todo el conocimiento necesario para dominar YOLOv11 para la clasificación.

Para llevar clave incluyen:

La importancia de la preparación adecuada del conjunto de datos y el ajuste de hiperparámetros.
Técnicas para optimizar modelos en términos de precisión e implementación.
Ejemplos del mundo real que muestran las capacidades de YOLOv11.

Ya seas investigador, desarrollador o aficionado, YOLOv11 ofrece las herramientas para llevar tus proyectos de clasificación de imágenes al siguiente nivel. Experimenta, innova y descubre nuevas posibilidades con este modelo de vanguardia. ¡Que disfrutes codificando!