pinto-model-zoo
Colección masiva de modelos ML pre-entrenados — YOLO, segmentación, detección, clasificación para visión por computador.
Datos de origen
- Repositorio
- Ntizar/NtizarBrainMasterMind
- Última actividad en el origen
- 16 de julio de 2026 a las 08:02
- Idioma detectado de SKILL.md
- español
- Estrellas
- 2
- Forks
- 0
Opciones de instalación
De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.
Revisa los archivos de origen
Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.
Mostrando SKILL.md
SKILL.md
Instrucciones de origen · Vista previa de solo lectura- name
- pinto-model-zoo
- description
- Colección masiva de modelos ML pre-entrenados — YOLO, segmentación, detección, clasificación para visión por computador.
- version
- 1.0.0
- tags
- ["models","ML","CV","YOLO","segmentation","detection","pretrained"]
# 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)
Ver en GitHub