pinto-model-zoo

# PINTO Model Zoo ## Resumen Colección masiva de modelos ML pre-entrenados — YOLO, segmentación, detección, clasificación. 4.4k⭐. ## Repo de referencia - **GitHub:** `github.com/PINTO0309/PINTO_model_zoo` - **Lenguaje:** Varied (modelos ONNX, TensorRT, CoreML, etc.) - **Licencia:** Varía por modelo ## Instalación ```bash # Clonar el repositorio completo (es grande) git clone --depth 1 https://github.com/PINTO0309/PINTO_model_zoo.git cd PINTO_model_zoo ``` ## Estructura ``` PINTO_model_zoo/ ├── 00_YOLOv3/ ├── 01_YOLOv5/ ├── 02_YOLOv7/ ├── 03_YOLOv8/ ├── 04_YOLOv10/ ├── segment_anything_model/ ├── real_time_object_detection/ └── ... ``` ## Uso Básico ```python # Ejemplo: Cargar modelo YOLOv8 ONNX import cv2 import numpy as np # Cargar modelo net = cv2.dnn.readNet("models/YOLOv8/yolov8n.onnx") # Preparar imagen img = cv2.imread("input.jpg") blob = cv2.dnn.blobFromImage(img, 1/255.0, (640, 640), swapRB=True) net.setInput(blob) # Inferencia output = net.forward() # Parsear resultados boxes = output[0][0] ``` ## Modelo más populares del Zoo 1. **YOLO series:** v3, v5, v7, v8, v10, v11, v12 2. **Segment Anything (SAM):** Meta's SAM, SAM2 3. **Face recognition:** ArcFace, FaceNet 4. **Object detection:** DETR, RT-DETR 5. **Super resolution:** Real-ESRGAN 6. **Depth estimation:** MiDaS, DPT ## Integración con Mastermind - Complementa `roboflow/rf-detr` para detección con datasets propios - Útil para `fast-alpr` — modelos de reconocimiento de matrículas - Fuente de modelos para `computer-vision` pipelines - Reemplaza training from scratch para modelos comunes ## Pitfalls - **Tamaño:** El repo completo es >50GB — clonar con `--depth 1` - **Licencias:** Verificar licencia de cada modelo individualmente - **Formatos:** Mix de ONNX, TensorRT, CoreML, OpenVINO - **Organización:** Mal organizado, hay que buscar manualmente - **Dependencias:** Cada modelo puede necesitar librerías diferentes ## Referencias - [GitHub: PINTO0309/PINTO_model_zoo](https://github.com/PINTO0309/PINTO_model_zoo)