processed video with analysis

.gitignore

@@ -34,7 +34,7 @@ weights/
 *.ckpt
 
 # Ignorar dataset original de COCO para evitar archivos innecesarios
-datasets/coco8/
+datasets/
 download-coco.py
 
 # Ignorar archivos con la terminación .Zone.Identifier (propio de Windows)

predict.py

@@ -2,12 +2,22 @@ import cv2
 from ultralytics import YOLO
 
 # Cargar modelo YOLOv8 entrenado
-model = YOLO("/home/izaskunmz/yolo/yolov8-object-detection/runs/detect/train_yolov8s_v4/weights/best.pt")
+model = YOLO("/home/izaskunmz/yolo/yolov8-object-detection/runs/detect/train_coco8/weights/best.pt")
 
 # Abrir vídeo
 video_path = "/home/izaskunmz/yolo/yolov8-object-detection/raw-video/ny-traffic.mp4"
 cap = cv2.VideoCapture(video_path)
 
+# Obtener dimensiones del video original
+width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
+height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
+fps = int(cap.get(cv2.CAP_PROP_FPS))
+
+# Definir el codec y crear el VideoWriter para guardar el resultado
+output_path = "/home/izaskunmz/yolo/yolov8-object-detection/processed-video/ny-traffic-processed.mp4"
+fourcc = cv2.VideoWriter_fourcc(*'mp4v')  # Codec para formato MP4
+out = cv2.VideoWriter(output_path, fourcc, fps, (width, height))
+
 while cap.isOpened():
     ret, frame = cap.read()
     if not ret:
@@ -16,13 +26,11 @@ while cap.isOpened():
     # Realizar detección en el frame
     results = model(frame)
 
-    # Mostrar el frame con detecciones
-    annotated_frame = results[0].plot()  # Dibuja las detecciones en el frame
-    cv2.imshow("YOLOv8 Detección", annotated_frame)
+    # Obtener frame con anotaciones
+    annotated_frame = results[0].plot()
 
-    # Salir con la tecla "q"
-    if cv2.waitKey(1) & 0xFF == ord('q'):
-        break
+    # Guardar el frame en el video de salida
+    out.write(annotated_frame)
 
 cap.release()
-cv2.destroyAllWindows()
+out.release()  # Liberar el escritor de video

validate.py

@@ -1,13 +1,13 @@
 from ultralytics import YOLO
 
 # Cargar el modelo entrenado
-model = YOLO("/home/izaskunmz/yolo/yolov8-object-detection/runs/detect/train_yolov8s_v4/weights/best.pt")  # Asegúrate de que esta ruta sea correcta
+model = YOLO("/home/izaskunmz/yolo/yolov8-object-detection/runs/detect/train_coco8/weights/best.pt")  # Asegúrate de que esta ruta sea correcta
 
 # Validar el modelo y guardar los resultados en la carpeta correcta
 metrics = model.val(
-    data="/home/izaskunmz/yolo/yolov8-object-detection/datasets/combined/data.yaml",
+    data="/home/izaskunmz/yolo/yolov8-object-detection/datasets/coco8/data.yaml",
     project="/home/izaskunmz/yolo/yolov8-object-detection/runs/val",  # Define la carpeta donde se guardarán los resultados
-    name="val",  # Nombre del experimento
+    name="val_coco8",  # Nombre del experimento
     exist_ok=True  # Evita sobreescribir, creará nuevas versiones numeradas
 )