Framework de Python que usa grandes modelos fundacionales para etiquetar imágenes automáticamente y entrenar modelos de visión supervisados, pequeños y fáciles de desplegar, sin etiquetado manual.
Autodistill es un framework de Python que convierte imágenes sin etiquetar en un modelo de visión artificial pequeño y rápido. Un modelo base grande y lento, como Grounded SAM o Grounding DINO, etiqueta las imágenes a partir de prompts de texto definidos en una ontología. Esas etiquetas forman un dataset con el que se entrena un modelo objetivo, como YOLOv8, y se obtiene un modelo destilado que puede ejecutarse en hardware de borde.
El pipeline es modular: el paquete principal define las interfaces para modelos base, ontologías, datasets y modelos objetivo, mientras que cada integración de modelo se distribuye como un plugin independiente. Se puede usar desde Python o con un único comando de CLI. Actualmente admite detección de objetos y segmentación de instancias; la clasificación figura como una función planificada.
Autodistill se ejecuta en tu propio hardware. El proyecto también menciona una versión alojada que Roboflow ofrece para etiquetar en la nube.
Instala el paquete autodistill
pip install autodistillInstala los complementos de modelo Base y Target que se usan en el ejemplo del README
pip install autodistill autodistill-grounded-sam autodistill-yolov8Etiqueta una carpeta de imágenes y entrena un modelo YOLOv8 con un solo comando
autodistill images --base="grounding_dino" --target="yolov8" --ontology '{"prompt": "label"}' --output="./dataset"Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Aplicación de escritorio multiplataforma para etiquetar con ayuda de IA datos de texto, imágenes, video, nubes de puntos y datos multimodales, con modelos integrados y exportación a varios formatos.
Toolkit de Python con utilidades reutilizables de visión por computadora para cargar datasets, ejecutar detecciones, rastrear objetos y anotar fotogramas.
Ultralytics YOLO es una biblioteca de Python para visión artificial que abarca detección, segmentación, clasificación, estimación de pose, seguimiento y más.
Ultralytics YOLOv5 es un kit de herramientas de visión artificial basado en PyTorch para detectar objetos, segmentar instancias y clasificar imágenes, con funciones de entrenamiento y exportación.
Una biblioteca de Python para inferencia por recortes que ejecuta modelos de detección de objetos sobre mosaicos de imágenes grandes para encontrar objetos pequeños.
Toolkit de C++/Python para desplegar modelos de la familia YOLO en GPU de NVIDIA con TensorRT, compatible con tareas de detección, segmentación, clasificación, pose y OBB.