Industrial - YOLOv12 Object Detection

Detección de objetos en tiempo real usando YOLOv12 con el dataset ONCE.

Datasets

• ONCE Dataset: https://once-for-auto-driving.github.io/
• Paper: ONCE: One Million Scenarios for Autonomous Driving
• YOLOv12: GitHub - sunsmarterjie/yolov12

Instalación

1. Instalar FlashAttention (opcional, para mejor rendimiento en GPU)

wget https://github.com/Dao-AILab/flash-attention/releases/download/v2.7.3/flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl
pip install flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl

2. Instalar dependencias

pip install -r requirements.txt
pip install -e .

3. Clonar YOLOv12 (si no está incluido)

git clone https://github.com/sunsmarterjie/yolov12.git

Uso

Para finetunear Yolo

python test.py

Antes de crear imagenes con el modelo debemos entrenar el modelo

python trainer.py --data_path [PATH-DE-LOS-DATOS]

Antes de arrancar streamlit crear imagenes con el modelo

python inference.py --data_path [PATH-DE-LOS-DATOS]

Para arrancar la aplicacion de streamlit

bentoml serve service.py:YoloService --port 3000 &
bentoml serve service.py:ImageServerService --port 3001 &
bentoml serve service.py:SpeedPredictionService --port 3002 &
streamlit run app.py -- --data_path [PATH-DE-LOS-DATOS]

Para usar solo el dashboard de procesamiento

cd processing
bentoml serve service.py:svc --port 3000
streamlit run app_final.py