¿Detectron2 o YOLOv8? Comparativa real de instalación
Fecha: 8 de Junio, 2024
Una guía paso a paso que compara lo fácil (o difícil) que es instalar Detectron2 y YOLOv8 en un PC normal.
Leer más →Computer Vision Insights
Análisis técnico y comparativa de modelos de visión por computador: Detectron2 y YOLOv8
Comparativa de Modelos
Ambos modelos seleccionados son comparables en complejidad (número de parámetros), aunque siguen enfoques arquitectónicos distintos: Detectron2 emplea Mask R-CNN con backbone ResNet-50-FPN, mientras que YOLOv8-L representa la versión grande y optimizada de la familia YOLOv8.
| Característica | Detectron2 | YOLOv8 |
|---|---|---|
| Framework | PyTorch | PyTorch |
| Modelo evaluado | Mask R-CNN ResNet-50-FPN | YOLOv8-L |
| Número de parámetros | 43.934.184 | 43.632.924 |
| Velocidad de inferencia | Moderada | Alta |
| Precisión | Alta | Muy Alta |
Proyectos
Detectron Documentos Manuscritos
Modelos entrenados para detección de elementos en documentos manuscritos históricos. Incluye pesos para diferentes datasets: OHG y VORAU.
Scripts
evaluador_unificado.py
Ver en GitHub
Evalúa predicciones de modelos en formato COCO (Detectron2 o YOLOv8), generando métricas globales y por clase, incluyendo:
- AP@[.5:.95], AP por clase
- AR@100, Recall por clase
- Archivos JSON exportados con resultados
conocer_numero_parametros.py
Ver en GitHub
Muestra el número total de parámetros de un modelo Detectron2 (ej. Mask R-CNN con ResNet-50-FPN).
corregir_dimensiones_coco.py
Ver en GitHub
Compara las dimensiones registradas en el JSON COCO con las reales de las imágenes, y las corrige si hay errores.
corregir_nombres_file_name.py
Ver en GitHub
Corrige los nombres de archivo (file_name) en archivos COCO para que coincidan con los nombres reales de las imágenes en disco.
unificar_anotaciones_coco.py
Ver en GitHub
Une múltiples archivos COCO (uno por imagen) en un único archivo con IDs únicos y categorías unificadas. Necesario para entrenamiento en Detectron2.
visualizar_anotaciones_coco.py
Ver en GitHub
Dibuja las anotaciones COCO (bounding boxes, clases) sobre las imágenes originales y guarda una copia etiquetada para verificación visual.
voc_to_coco_last_update.py
Ver en GitHub
Convierte anotaciones en formato Pascal VOC XML al formato COCO. Útil para migrar datasets antiguos.
convertir_coco_a_yolo.py
Ver en GitHub
Convierte anotaciones desde COCO a YOLOv5/YOLOv8 (.txt por imagen, con coordenadas normalizadas).
visualizar_segmentaciones_yolo.py
Ver en GitHub
Visualiza anotaciones YOLO con segmentaciones poligonales, dibujando bounding boxes y máscaras sobre las imágenes.