Individuelles Training von Ultralytics YOLO11 für die Posen-Schätzung von Hunden

Was wäre, wenn die Körperhaltung deines Hundes dir Einblicke in sein Befinden geben könnte? Es ist nicht einfach, ihn rund um die Uhr manuell zu überwachen. Dank der Fortschritte in der künstlichen Intelligenz (KI) und Computer Vision können wir jedoch Videomaterial in Echtzeit analysieren, um sein Verhalten besser zu verstehen.

Insbesondere Computer-Vision-Modelle wie Ultralytics YOLO11 können helfen, die Körperhaltung eines Hundes zu schätzen und seine Bewegungen zu verfolgen, was wertvolle Einblicke in sein Wohlbefinden liefert. Wie funktioniert das? Die Pose-Schätzungsfunktion von YOLO11 kann Schlüsselpunkte am Körper eines Subjekts identifizieren, um dessen Haltung und Bewegung zu verstehen.

Außerdem kann YOLO11 individuell auf einem für die Pose-Schätzung bei Hunden entwickelten Datensatz trainiert werden, wodurch es möglich wird, die Körpersprache deines Haustiers präzise zu analysieren. Das Ultralytics Python-Paket unterstützt einen Dog-Pose Dataset, der es einfacher macht, Vision-KI-Modelle für Hunde zu trainieren und bereitzustellen. Diese Technologie ist Teil des boomenden Pet-Tech-Marktes, der 2024 mit 9,4 Milliarden US-Dollar bewertet wurde und bis 2037 voraussichtlich 64 Milliarden US-Dollar erreichen wird.

Die Inspiration für diesen Artikel ist Blues, unser Dog Executive Officer (DEO). Wenn du einen Blick auf unsere Über uns-Seite wirfst, wirst du sehen, dass Blues ein geschätztes Teammitglied ist und eine wichtige Rolle dabei spielt, bei Ultralytics für Spaß zu sorgen!

In diesem Artikel werden wir besprechen, wie man YOLO11 unter Verwendung des Dog-Pose Datasets für die Pose-Schätzung bei Hunden individuell trainiert. Wir werden auch seine praktischen Anwendungen in der Tierpflege und Verhaltensanalyse untersuchen.

Abb. 1. Triff Blues, den Dog Executive Officer (DEO) bei Ultralytics.

Link to this sectionEin Überblick über den Dog-Pose Datensatz#

Ein Datensatz ist eine Sammlung von Daten, die zum Training von Machine-Learning-Modellen verwendet wird. Für die Pose-Schätzung beinhaltet ein idealer Datensatz Bilder mit markierten Schlüsselpunkten, um Körperpositionen abzubilden. Er sollte zudem eine Vielzahl an Posen, Winkeln, Lichtverhältnissen und Hintergründen enthalten, damit das Modell lernt, Posen präzise zu erkennen und vorherzusagen. Diese Vielfalt macht das Modell zuverlässiger für den Einsatz in der Praxis.

Der Dog-Pose Datensatz, unterstützt von Ultralytics, wurde speziell entwickelt, um Modellen dabei zu helfen, Hundeposen effektiv zu erlernen und zu erkennen. Er enthält über 8.400 annotierte Bilder verschiedener Hunderassen mit detaillierten Labels für 24 Schlüsselpunkte, wie z. B. Schwanz, Ohren und Pfoten.

Abb. 2. Ein Überblick über den Dog-Pose Datensatz.

Link to this sectionSo trainierst du YOLO11 individuell mit dem Dog-Pose Datensatz#

Das individuelle Training von YOLO11 mit dem Dog-Pose Datensatz ist ein unkomplizierter Prozess. Um loszulegen, musst du deine Umgebung einrichten, indem du das Ultralytics Python-Paket installierst, das alle notwendigen Werkzeuge für Training und Evaluierung enthält.

Ultralytics bietet eine integrierte Unterstützung für den Dog-Pose Datensatz. Dies eliminiert die Notwendigkeit für manuelles Labeling und ermöglicht es dir, direkt mit dem Training zu beginnen. Sobald alles eingerichtet ist, kannst du YOLO11 auf dem Dog-Pose Datensatz mit nur wenigen Zeilen Code trainieren, wie im Bild unten zu sehen ist.

Während des Trainings lernt das Modell, Hundeposen über verschiedene Rassen, Lichtverhältnisse und Umgebungen hinweg zu erkennen und zu verfolgen. Nach dem Training kannst du die Ergebnisse visualisieren und das Modell feinabstimmen, um Genauigkeit und Leistung zu verbessern.

Abb. 3. Ein Code-Schnipsel, der das individuelle Training von YOLO11 auf dem Dog-Pose Datensatz zeigt.

Falls du beim Training deines Modells auf Probleme stößt, sind hier einige Tipps zur Fehlerbehebung, die dir helfen, diese schnell zu lösen:

• Überprüfe deine Internetverbindung: Der Dog-Pose Datensatz wird automatisch heruntergeladen, wenn du das Trainingsskript ausführst. Stelle sicher, dass du eine stabile Internetverbindung hast, um Download-Fehler zu vermeiden.
• Aktualisiere Ultralytics: Stelle sicher, dass du die neueste Version des Ultralytics Python-Pakets verwendest.
• Suche nach Fehlern in der Konsole: Lies Fehlermeldungen sorgfältig durch, da sie oft Hinweise darauf geben, was korrigiert werden muss.

Du kannst dir den Ultralytics Common Issues Guide für weitere Tipps zur Fehlerbehebung ansehen.

Link to this sectionWas passiert während des individuellen Modelltrainings?#

Du fragst dich vielleicht, was hinter den Kulissen passiert, wenn du YOLO11 auf dem Dog-Pose Datensatz individuell trainierst. Lass uns einen genaueren Blick auf den Prozess werfen.

Anstatt bei Null anzufangen, nutzen wir ein vorab trainiertes YOLO11-Pose-Modell, das bereits auf dem COCO-Pose Datensatz trainiert wurde. Dieses vorab trainierte Modell kann menschliche Schlüsselpunkte erkennen, da COCO-Pose für die Pose-Schätzung bei Menschen konzipiert ist. Tatsächlich kannst du YOLO11-Pose ohne zusätzliches Training direkt verwenden, um eine Pose-Schätzung bei Menschen durchzuführen.

Durch Transfer Learning passen wir dieses Modell speziell an die Pose-Schätzung bei Hunden an und helfen ihm dabei, Schlüsselpunkte wie Beine, Schwanz und Kopf zu erkennen. Indem wir das Modell mit hundespezifischen Beispielen konfrontieren, lernt es, sich auf diese wesentlichen Merkmale zu konzentrieren.

Während des Trainings bleiben einige Teile des Modells unverändert, wodurch das allgemeine Wissen aus dem COCO-Datensatz erhalten bleibt. Andere Teile werden neu trainiert, um die Genauigkeit bei der Schätzung von Hundeposen zu verbessern. Das Modell lernt, indem es seine Vorhersagen mit den tatsächlichen Schlüsselpunkten im Datensatz vergleicht und Anpassungen vornimmt, um Fehler zu reduzieren. Im Laufe der Zeit verbessert dieser Prozess seine Fähigkeit, die Bewegungen eines Hundes präzise zu verfolgen.

Transfer Learning ermöglicht es dem Modell zudem, sich an verschiedene Rassen, Größen und Bewegungsmuster anzupassen, was eine zuverlässige Leistung in realen Szenarien gewährleistet.

Abb. 4. Die Schlüsselpunkte von Blues und seiner Schwester Happy werden erkannt.

Link to this sectionDie Vorteile von YOLO11 bei der Pose-Schätzung bei Hunden#

Es gibt verschiedene Computer-Vision-Modelle, daher stellt sich die Frage: Was macht YOLO11 zur richtigen Wahl für die Pose-Schätzung bei Hunden?

YOLO11 zeichnet sich durch seine Echtzeit-Geschwindigkeit und Genauigkeit aus, was es zu einer hervorragenden Option für die Pose-Schätzung bei Hunden macht. Es übertrifft vorherige Versionen sowohl in Präzision als auch in Geschwindigkeit. Mit 22 % weniger Parametern als YOLOv8 erreicht es eine höhere mittlere durchschnittliche Präzision (mAP) auf dem COCO-Datensatz, was bedeutet, dass es Objekte genauer und effizienter erkennt. Seine schnelle Verarbeitungsgeschwindigkeit macht es perfekt für Echtzeitanwendungen, bei denen eine schnelle und zuverlässige Erkennung unerlässlich ist.

Über die Pose-Schätzung hinaus unterstützt YOLO11 auch Computer-Vision-Aufgaben wie Instanzsegmentierung und Objektverfolgung, die helfen können, eine umfassendere Vision-KI-Lösung für die Überwachung deines Hundes zu erstellen. Diese Funktionen können die Bewegungsverfolgung, Verhaltensanalyse und die allgemeine Tierpflege verbessern.

Abb. 5. YOLO11 in Aktion: Blues mühelos segmentieren!

Link to this sectionAnwendungen der Pose-Schätzung bei Hunden und YOLO11#

Als Nächstes besprechen wir die realen Anwendungen der Pose-Schätzung bei Hunden und deren Auswirkungen auf die Tierpflege.

Link to this sectionVerbesserung des Hundetrainings mit Pose-Schätzung#

Die Pose-Schätzung bei Hunden kann das Hundetraining intelligenter und effektiver gestalten. Angenommen, eine Kamera wird verwendet, um die Bewegungen des Hundes zu erfassen – hier kommt YOLO11 ins Spiel. Es kann Schlüsselpunkte wie Beine, Schwanz und Kopf erkennen und analysieren, um Aktionen wie Sitzen, Bleiben oder Liegen zu identifizieren.

Wenn der Hund die Aktion nicht korrekt ausführt, kann das System sofortiges Feedback über eine App geben und den Trainer in Echtzeit unterstützen. Dies macht das Training effizienter, präziser und reaktionsschneller auf die Fortschritte des Hundes.

Denk zum Beispiel daran, deinem Hund das Kommando „Sitz“ beizubringen. Das System kann die Körperhaltung deines Hundes überwachen und erkennen, ob er vollständig sitzt. Wenn der Hund seinen Körper senkt, aber nicht vollständig sitzt, kann das System die unvollständige Aktion erkennen und sofortiges Feedback über eine App senden. Der Trainer kann alarmiert werden, um kleine Anpassungen am Training vorzunehmen, etwa das Kommando zu verstärken oder den Hund in die korrekte Position zu führen.

Abb. 6. Blues hilft dem Team bei der Pose-Schätzung bei Hunden mit YOLO11.

Link to this sectionFortschritte in der veterinärmedizinischen Versorgung mit Pose-Schätzungsmodellen#

Computer Vision kann die Art und Weise, wie Tierärzte an die Tierpflege herangehen, verändern. Die Fähigkeit der Pose-Schätzung bei Hunden, Details präzise zu analysieren, erleichtert das Erkennen ungewöhnlicher Bewegungsmuster und die Identifizierung potenzieller gesundheitlicher Probleme.

Beispielsweise kann sich ein Tierarzt, der einen Hund nach einer Bänderverletzung überwacht, auf YOLO11, trainiert auf dem Dog-Pose Datensatz, für eine automatisierte Analyse verlassen. Hinken oder Veränderungen in der Beinpositionierung können leicht erkannt werden. Eine visuell gestützte, kontinuierliche 24/7-Überwachung liefert klare Einblicke in die Genesung des Hundes und hilft dabei zu bestimmen, ob die Behandlung wirkt oder ob Anpassungen erforderlich sind.

Link to this sectionDer Weg in die Zukunft für die Pose-Schätzung bei Hunden#

Da sich die Technologie ständig weiterentwickelt, werden Lösungen wie die Pose-Schätzung bei Hunden mit YOLO11 wahrscheinlich eine größere Rolle bei der Tierüberwachung und dem Tierwohl spielen. Tatsächlich kann YOLO11 mit Wearables wie smarten Halsbändern und Gesundheitstrackern integriert werden, um wichtige Gesundheitsindikatoren wie Herzfrequenz, Aktivitätsniveau und Mobilitätsmuster zu überwachen.

Beispielsweise kann ein smartes Halsband, das mit Bewegungssensoren ausgestattet ist, den Geh- oder Laufgang eines Hundes verfolgen, während die Pose-Schätzung von YOLO11 die Körperhaltung in Echtzeit analysiert. Wenn das System unregelmäßige Bewegungen, wie Hinken oder Steifheit, erkennt, kann es diese Daten mit der Herzfrequenz und dem Aktivitätsniveau korrelieren, um potenzielle Beschwerden oder Verletzungen zu bewerten. Tierbesitzer und Tierärzte nutzen diese Erkenntnisse, um Probleme frühzeitig zu identifizieren und proaktive Maßnahmen zu ergreifen.

Mit diesen Fortschritten entwickelt sich die Pose-Schätzung bei Hunden über eine einfache Bewegungsverfolgung hinaus – sie wird zu einem wesentlichen Bestandteil eines umfassenden KI-gesteuerten Tierpflegesystems, das Hunden hilft, gesünder, sicherer und in Echtzeit besser überwacht zu bleiben.

Link to this sectionWichtige Erkenntnisse#

Mit Innovationen wie YOLO11 und dem Dog-Pose Datensatz eröffnen wir neue Möglichkeiten in der Computer Vision. Diese Fortschritte helfen uns, das Verhalten und die Gesundheit von Hunden auf eine Weise besser zu verstehen, wie es zuvor nicht möglich war.

Durch die präzise Verfolgung von Hundeposen können wir das Training verbessern, die Gesundheit überwachen und die Tierpflege effektiver gestalten. Ob in der Forschung, der veterinärmedizinischen Versorgung oder beim Hundetraining – Vision-KI schafft intelligentere Wege, für unsere Hunde zu sorgen und ihr Wohlbefinden zu verbessern.

Tritt unserer Community bei und erkunde unser GitHub-Repository, um mehr über KI zu erfahren. Entdecke, wie Innovationen wie Computer Vision im Gesundheitswesen und KI in selbstfahrenden Autos die Zukunft gestalten. Sieh dir unsere Lizenzoptionen an, um noch heute mit deinen Vision-KI-Projekten zu beginnen.