Saltar al contenido principal

Tareas de Visión

Entrena modelos para clasificación de imagen, detección de objetos y tareas visión-lenguaje.

Clasificación de Imagen

Inicio Rápido

aitraining image-classification \
  --model google/vit-base-patch16-224 \
  --data-path ./images/ \
  --project-name image-classifier

Parameters

ParameterDescriptionDefault
--modelBase modelgoogle/vit-base-patch16-224
--data-pathPath to image folderNone (required)
--project-nameOutput directoryproject-name
--image-columnImage column nameimage
--target-columnLabel column nametarget
--epochsTraining epochs3
--batch-sizeBatch size8
--lrLearning rate5e-5

Formato de Datos

Estructura de carpetas:
images/
├── cat/
│   ├── cat1.jpg
│   └── cat2.jpg
├── dog/
│   ├── dog1.jpg
│   └── dog2.jpg
Or CSV with paths:
image,label
/path/to/cat1.jpg,cat
/path/to/dog1.jpg,dog

Ejemplo: Clasificador Personalizado

aitraining image-classification \
  --model microsoft/resnet-50 \
  --data-path ./product_images/ \
  --project-name product-classifier \
  --epochs 10 \
  --batch-size 32 \
  --lr 5e-5

Regresión de Imagen

Para predecir valores continuos a partir de imágenes.

Inicio Rápido

aitraining image-regression \
  --model google/vit-base-patch16-224 \
  --data-path ./images.csv \
  --image-column image \
  --target-column score \
  --project-name quality-scorer

Parameters

ParameterDescriptionDefault
--modelBase modelgoogle/vit-base-patch16-224
--data-pathPath to dataNone (required)
--project-nameOutput directoryproject-name
--image-columnImage column nameimage
--target-columnTarget value columntarget
--epochsTraining epochs3
--batch-sizeBatch size8
--lrLearning rate5e-5

Ejemplo: Predicción de Edad

aitraining image-regression \
  --model microsoft/resnet-50 \
  --data-path ./faces.csv \
  --image-column photo \
  --target-column age \
  --project-name age-predictor \
  --epochs 20

Detección de Objetos

Inicio Rápido

aitraining object-detection \
  --model facebook/detr-resnet-50 \
  --data-path ./coco_format/ \
  --project-name detector

Data Format

COCO-style format:
{
  "image": "image.jpg",
  "objects": {
    "bbox": [[x, y, width, height], ...],
    "categories": [0, 1, ...]
  }
}

Parameters

ParameterDescriptionDefault
--image-columnImage columnimage
--objects-columnObjects columnobjects
--image-square-sizeSquare size for images600

Ejemplo: Detección Personalizada

aitraining object-detection \
  --model facebook/detr-resnet-50 \
  --data-path ./annotations/ \
  --project-name custom-detector \
  --epochs 50 \
  --batch-size 8

Modelos Visión-Lenguaje (VLM)

Entrena modelos que entienden tanto imágenes como texto.

Inicio Rápido

aitraining vlm \
  --model google/paligemma-3b-pt-224 \
  --data-path ./image_captions.jsonl \
  --project-name vlm-model

Data Format

{
  "image": "image.jpg",
  "conversations": [
    {"role": "user", "content": "What's in this image?"},
    {"role": "assistant", "content": "A cat sitting on a couch."}
  ]
}

Parameters

ParameterDescriptionDefault
--modelBase modelgoogle/paligemma-3b-pt-224
--image-columnImage columnimage
--text-columnText/answer columntext
--prompt-text-columnPrompt/prefix columnprompt
--trainerTraining mode (vqa, captioning, segmentation, detection)vqa
--epochsTraining epochs3
--batch-sizeBatch size2
--lrLearning rate5e-5
--gradient-accumulationGradient accumulation steps4
--peftEnable LoRAFalse
--lora-rLoRA rank16
--lora-alphaLoRA alpha32

Ejemplo: Generación de Subtítulos de Imagen

aitraining vlm \
  --model Qwen/Qwen2-VL-2B-Instruct \
  --data-path ./captions.jsonl \
  --project-name captioner \
  --epochs 3 \
  --batch-size 2 \
  --peft \
  --lora-r 16

Modelos Comunes

Clasificación de Imagen

ModelParametersBest For
google/vit-base-patch16-22486MGeneral purpose
microsoft/resnet-5025MFast inference
facebook/convnext-base-22489MHigh accuracy

Detección de Objetos

ModelParametersBest For
facebook/detr-resnet-5041MGeneral detection
facebook/detr-resnet-10160MHigher accuracy

Visión-Lenguaje

ModelParametersBest For
Qwen/Qwen2-VL-2B-Instruct2BBalanced
llava-hf/llava-1.5-7b-hf7BHigh quality

Consejos de Memoria GPU

  • Usa tamaños de batch más pequeños para imágenes grandes
  • Habilita gradient checkpointing para VLMs
  • Usa LoRA para entrenamiento VLM:
aitraining vlm \
  --model Qwen/Qwen2-VL-2B-Instruct \
  --data-path ./data.jsonl \
  --project-name vlm \
  --peft \
  --lora-r 16 \
  --batch-size 1 \
  --gradient-accumulation 8

Próximos Pasos