Sistema de Detección de Razas de Mascotas con Modelos YOLO y Framework SpringBoot
Arquitectura y Funcionalidades del Sistema
Este sistema implementa una plataforma integral para la clasificación de razas de gatos y perros, apoyándose en modelos de detección de objetos de la familia YOLO (versiones v8, v10, v11 y v12) integrados en un backend basado en SpringBoot. La arquitectura sigue un enfoque de separación frontend-backen ...
Publicado el 7-13 20:41
Detección de Flores con YOLOv8: Entrenamiento Eficiente en Dataset de 8000+ Imágenes
Dataset de Flores
12 tipos de flores con más de 8000 imágenes en total. A continuación se presenta una guía completa que abarca desde la preparcaión de datos, entrenamiento del modelo, evaluación y visualización de resultados. Utilizaremos YOLOv8 para la tarea de detección de objetos y proporcionaremos scripts útiles para optimizar el procesami ...
Publicado el 6-12 17:11
Guía de Implementación con MindYOLO para Detección de Objetos
Introducción a MindYOLO
MindYOLO es una caja de herramientas para algoritmos de la serie YOLO, construida sobre el framework MindSpore. Este paquete integra modelos aavnzados de detección de objetos en tiempo real, proporcionando una interfaz estandarizada para experimentación y desarrollo. Soporta múltiples veersiones de YOLO, incluyendo YOLOv ...
Publicado el 6-12 00:02
Detección de señales de tráfico con YOLOv8: Guía completa desde la preparación de datos hasta el despliegue del modelo
1. ¿Por qué la detección de señales de tráfico es el "ojo" de la conducción autónoma?
Al conducir, ¿qué tememos más además de los complejos escenarios de tráfico? Olvidar o interpretar incorrectamente las señales de tráfico. No ver correctamente un indicador de "prohibido girar a la izquierda" puede resultar en un desvío inn ...
Publicado el 6-8 01:03
Guía para la implementación y primeras ejecuciones de YOLOv8
Para empezar a trabajar con YOLOv8, es necesario obtener su código fuente oficial. El proyecto ahora se conoce como ultralytics. Puedes descargar el paquete comprimido desde el repositorio oficial de GitHub.
Una vez descargado, se recomienda crear un directorio dedicado en tu sistema (por ejemplo, C:\proyectos\yolov8) y extraer allí el contenid ...
Publicado el 6-4 02:19