Empieza por el objetivo empresarial

El objetivo de una página#

Cinco filas responden a las preguntas de las que depende cada paso posterior. La guía para definir los objetivos del proyecto aborda los mismos temas con más detalle. Aquí tienes un ejemplo de almacén ya rellenado, que servirá de base para este curso:

Fija la página en un lugar donde todo el equipo pueda verla. Si más adelante alguien del equipo de partes interesadas cuestiona una fila, modifica primero la página y después el conjunto de datos.

Elige la tarea más sencilla que responda a la pregunta#

La tarea determina qué dibujan los anotadores, y eso determina la mayor parte del presupuesto de etiquetado. Sigue este árbol de decisión y detente en la primera tarea que responda a la pregunta empresarial:

Ultralytics YOLO admite siete tareas. Para planificar el conjunto de datos, lo importante es cuánto cuesta etiquetar cada una; Fundamentos de visión artificial las compara en profundidad en su lección sobre tareas de visión.

Interpreta el panel de los plátanos como una lista de precios: la detección ya responde a la presencia, la ubicación y el recuento; solo los dos paneles de segmentación añaden el tamaño y la forma, con un coste de etiquetado mucho mayor. Si a la empresa solo le interesa «cuántos plátanos hay», la respuesta es la detección y los polígonos son un gasto inútil.

Define clases que pueda aplicar un anotador#

Una clase solo es útil si dos anotadores etiquetan el mismo objeto de la misma manera. Define cada clase con una sola frase que mencione algo parecido que excluya:

• forklift: una carretilla elevadora motorizada, incluidas las horquillas y el mástil. Excluye las transpaletas manuales.
• person: cualquier persona, aunque se vea parcialmente, esté sentada o dentro de la cabina de un vehículo. Excluye los reflejos y los carteles.
• pallet: un palé de madera o plástico, cargado o vacío. Excluye las cajas apiladas sin una base de palé.

Después, elige deliberadamente el nivel de detalle. Las clases generales («vehículo») son más baratas y convergen más rápido; las clases específicas («berlina», «pick-up») son más útiles en etapas posteriores, pero cuesta más mantenerlas coherentes. Empieza por lo que necesita la empresa. Más adelante, puedes agrupar las etiquetas específicas en clases generales con una sola línea de código, pero no puedes dividir las clases generales sin volver a etiquetar.

Convierte la métrica en una prueba de aceptación que puedas ejecutar#

Elige la métrica que se corresponda con el coste de un error:

• Un falso negativo sale caro (seguridad, defectos): establece un umbral de recobrado para esa clase.
• Una falsa alarma sale cara (rechazar piezas automáticamente, avisar al personal): establece un umbral de precisión.
• Todas las clases importan por igual (recuento, inventario): establece un umbral de AP por clase, para que ninguna clase se esconda detrás del promedio.

La guía de métricas de rendimiento de YOLO explica cada una. Después, escribe la prueba en código para que «¿es lo bastante bueno?» deje de ser objeto de debate. Este script funciona hoy con un modelo preentrenado en el conjunto de demostración COCO8 y, más adelante, con tu propio punto de control y conjunto de evaluación:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # later: your fine-tuned runs/detect/train/weights/best.pt
metrics = model.val(data="coco8.yaml", classes=[0], verbose=False)  # 0 = person; later: your holdout YAML

precision, recall = metrics.box.mp, metrics.box.mr
print(f"person: precision={precision:.2f} recall={recall:.2f}")
print("PASS" if recall >= 0.95 and precision >= 0.85 else "FAIL: below the acceptance test")

                   all          4         10      0.939        0.8      0.848      0.387
person: precision=0.94 recall=0.80
FAIL: below the acceptance test

Qué indica cada línea:

• classes=[0] puntúa solo person, así que otras clases no pueden inflar el resultado. Usa el ID de tu propia clase de seguridad.
• La fila del validador muestra 4 imágenes con 10 personas etiquetadas. mp y mr son la precisión y el recobrado en el umbral de confianza que mejor los equilibra (F1 máximo).
• Un modelo de COCO preentrenado detecta a 8 de las 10 personas, así que el recobrado es de 0,80: preciso, pero no lo bastante seguro. Ese FAIL demuestra que la prueba está haciendo su trabajo. En este curso, un FAIL nos lleva de vuelta a los datos, no a los hiperparámetros.

Deja por escrito qué no hará la v1#

Ningún modelo es perfecto, así que define de antemano los falsos negativos aceptables: las condiciones que no vas a cubrir (niebla densa, oscuridad total), los objetos parecidos que aceptarás confundir y las clases poco frecuentes que pospondrás a la v2. Esta fila evita juzgar un modelo que cumple su objetivo con un criterio del 100 % que nadie había escrito y dice al equipo de recopilación dónde no merece la pena invertir esfuerzos todavía.