Entrenaré un detector de objetos personalizado para tus clases con onnx y una API

Los detectores genéricos no detectan las cosas que realmente le importan a tu negocio. Entreno un detector de objetos con tus propias clases (productos, defectos, equipos, equipo de seguridad, lo que puedas etiquetar) y demuestro qué tan bien funciona antes de que confíes en él.

Por paquete, obtienes un detector ajustado basado en un modelo con licencia permisiva, exportado a ONNX para que funcione en CPU o GPU, una API de inferencia pequeña y un informe claro: AP por clase con intervalos de confianza del 95% en un conjunto de prueba reservado, una comparación con un detector de cero disparo de mercado y ejemplos reales de sus errores.

En mi proyecto de ejemplo (cascos, chalecos reflectantes y cabezas sin casco), el mAP@50 pasó del 22.3% con el detector genérico al 57.3% después del ajuste fino, medido en 1,584 imágenes de prueba reservadas. La exportación a ONNX coincidió con el modelo original en todo el conjunto de prueba. Es un proyecto conceptual, así que tus resultados dependerán de tus imágenes y etiquetas.

Primero verifico la calidad de los datos: duplicados, divisiones de entrenamiento/prueba con fugas y etiquetas poco claras son las razones habituales por las que un detector se ve genial en una demo y luego falla en uso real.

Por favor, envía imágenes etiquetadas en formato COCO, YOLO o Pascal VOC, o dime qué tienes y planificaremos la etiquetación.