Individuelles Training von Ultralytics YOLO11 für die Posen-Schätzung von Hunden
Lerne, wie du Ultralytics YOLO11 individuell für die Posen-Schätzung von Hunden trainierst und das trainierte Modell für praktische Anwendungen wie die Haustierpflege nutzt.
Was, wenn die Körperhaltung deines Hundes dir Einblicke in sein Wohlbefinden geben könnte? Es ist nicht einfach, ihn rund um die Uhr manuell zu überwachen. Dank Fortschritten in der künstlichen Intelligenz (KI) und der Computer Vision können wir jedoch Videomaterial in Echtzeit analysieren, um sein Verhalten besser zu verstehen.
Insbesondere Computer-Vision-Modelle wie Ultralytics YOLO11 können dabei helfen, die Körperhaltung eines Hundes zu schätzen und seine Bewegungen zu verfolgen, was wertvolle Einblicke in sein Wohlbefinden liefert. Wie funktioniert das? Die Pose-Estimation-Funktion von YOLO11 kann Schlüsselpunkte am Körper eines Subjekts identifizieren, um dessen Haltung und Bewegung zu verstehen.
Zudem kann YOLO11 individuell auf einem Datensatz trainiert werden, der für die Schätzung der Körperhaltung von Hunden entwickelt wurde, wodurch es möglich ist, die Körpersprache deines Haustiers präzise zu analysieren. Das Ultralytics Python-Paket unterstützt einen Dog-Pose Dataset, der es einfacher macht, Vision-AI-Modelle für Hunde zu trainieren und bereitzustellen. Diese Technologie ist Teil des boomenden pet tech market, der 2024 auf 9,4 Milliarden US-Dollar geschätzt wurde und bis 2037 voraussichtlich 64 Milliarden US-Dollar erreichen wird.
Die Inspiration hinter diesem Artikel ist Blues, unser Dog Executive Officer (DEO). Wenn du dir unsere About Us-Seite ansiehst, wirst du feststellen, dass Blues ein geschätzt Teammitglied ist und eine wichtige Rolle dabei spielt, den Spaß bei Ultralytics aufrechtzuerhalten!
In diesem Artikel besprechen wir, wie du Ultralytics YOLO11 mit dem Dog-Pose Dataset für die Schätzung von Hunde-Posen benutzerdefiniert trainierst. Wir werden auch die praktischen Anwendungen in der Tierpflege und Verhaltensanalyse untersuchen.
Abb. 1. Triff Blues, den Dog Executive Officer (DEO) bei Ultralytics.
Ein Überblick über den Dog-Pose Datensatz#
Ein dataset ist eine Sammlung von Daten, die zum Training von Machine-Learning-Modellen verwendet wird. Für die Pose Estimation umfasst ein idealer Datensatz Bilder mit markierten Schlüsselpunkten, um Körperpositionen abzubilden. Er sollte außerdem eine Vielzahl von Posen, Winkeln, Lichtverhältnissen und Hintergründen aufweisen, um dem Modell zu helfen, Posen präzise zu erkennen und vorherzusagen. Diese Vielfalt macht das Modell für den realen Einsatz zuverlässiger.
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.
Fig 2. Eine Übersicht über den Dog-Pose Dataset.
Wie du Ultralytics YOLO11 mit dem Dog-Pose Dataset benutzerdefiniert trainierst#
Das benutzerdefinierte Training von YOLO11 mit dem Dog-Pose Dataset ist ein unkomplizierter Prozess. Um loszulegen, musst du deine Umgebung einrichten, indem du das Ultralytics Python-Paket installierst, das alle notwendigen Werkzeuge für das Training und die 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 Codeausschnitt, der das benutzerdefinierte Training von Ultralytics YOLO11 auf dem Dog-Pose Dataset 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.
Was passiert während des individuellen Modelltrainings?#
Du fragst dich vielleicht, was hinter den Kulissen passiert, wenn du Ultralytics YOLO11 auf dem Dog-Pose Dataset custom-train (benutzerdefiniert trainierst). Schauen wir uns den Prozess genauer an.
Anstatt bei Null anzufangen, nutzen wir ein vortrainiertes Ultralytics YOLO11-pose-Modell, das bereits auf dem COCO-Pose dataset trainiert wurde. Dieses vortrainierte Modell kann menschliche Schlüsselpunkte erkennen, da COCO-Pose für die Schätzung menschlicher Posen entwickelt wurde. Tatsächlich kannst du YOLO11-Pose ohne zusätzliches Training sofort für die Schätzung menschlicher Posen verwenden.
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 außerdem, sich an verschiedene Rassen, Größen und Bewegungsmuster anzupassen, wodurch eine zuverlässige Leistung in realen Szenarien gewährleistet wird.
Abb. 4. Die Schlüsselpunkte von Blues und seiner Schwester Happy werden erkannt.
Die Vorteile von Ultralytics YOLO11 bei der Hunderterkennungs-Schätzung#
Es gibt verschiedene Computer-Vision-Modelle, also was macht YOLO11 zur richtigen Wahl für die Schätzung der Körperhaltung von Hunden?
Ultralytics YOLO11 zeichnet sich durch seine Echtzeitgeschwindigkeit und -genauigkeit aus, was es zu einer hervorragenden Option für die Schätzung von Hundeposen macht. Es leistet sowohl bei der Präzision als auch bei der Geschwindigkeit mehr als frühere Versionen. Mit 22 % weniger Parametern als YOLOv8 erzielt es eine höhere mAP im COCO dataset, 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 Posen-Schätzung hinaus unterstützt Ultralytics YOLO11 auch computer vision tasks wie Instanzsegmentierung und Objektverfolgung, die dabei helfen können, eine umfassendere Vision-KI-Lösung zur Überwachung deines Hundes zu erstellen. Diese Funktionen können die Bewegungsverfolgung, Verhaltensanalyse und die allgemeine Tierpflege verbessern.
Abb. 5: Ultralytics YOLO11 in Aktion: Segmentiert den Hund Blues mühelos!
Anwendungen der Schätzung von Hunde-Posen und Ultralytics YOLO11#
Als Nächstes besprechen wir die realen Anwendungen der Pose-Schätzung bei Hunden und deren Auswirkungen auf die Tierpflege.
Verbesserung des Hundetrainings mit Pose-Schätzung#
Die Schätzung von Hunde-Posen kann das Hundetraining intelligenter und effektiver machen. Angenommen, eine Kamera wird verwendet, um die Bewegungen des Hundes aufzunehmen – hier kommt Ultralytics YOLO11 ins Spiel. Es kann Schlüsselpunkte wie Beine, Schwanz und Kopf erkennen und sie analysieren, um Aktionen wie Sitzen, Bleiben oder Liegen zu erkennen.
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 Schätzung von Hunde-Posen mit Ultralytics YOLO11
Fortschritte 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 überwacht, der sich von einer Bänderverletzung erholt, auf Ultralytics YOLO11 verlassen, das mit dem Dog-Pose Dataset trainiert wurde, um eine automatisierte Analyse durchzuführen. Hinken oder Veränderungen in der Beinpositionierung können leicht erkannt werden. Eine visuell unterstützte, kontinuierliche Überwachung rund um die Uhr liefert klare Einblicke in die Genesung des Hundes und hilft festzustellen, ob die Behandlung wirkt oder Anpassungen erforderlich sind.
Der Weg in die Zukunft für die Pose-Schätzung bei Hunden#
Da sich die Technologie ständig weiterentwickelt, werden Lösungen wie die Schätzung der Körperhaltung von Hunden mit YOLO11 voraussichtlich eine größere Rolle bei der Tierüberwachung und dem Wohlbefinden spielen. Tatsächlich kann YOLO11 in Wearable-Technologien wie intelligente Halsbänder und Gesundheitstracker integriert werden, um wichtige Gesundheitsindikatoren wie Herzfrequenz, Aktivitätsniveaus und Mobilitätsmuster zu überwachen.
Beispielsweise kann ein mit Bewegungssensoren ausgestattetes smartes Halsband den Geh- oder Laufgang eines Hundes verfolgen, während die Posen-Schätzung von Ultralytics YOLO11 die Haltung in Echtzeit analysiert. Wenn das System unregelmäßige Bewegungen wie Hinken oder Steifheit erkennt, kann es diese Daten mit der Herzfrequenz und dem Aktivitätsniveau abgleichen, um mögliche Beschwerden oder Verletzungen zu bewerten. Tierhalter und Tierärzte nutzen diese Erkenntnisse, um Probleme frühzeitig zu erkennen und proaktiv zu handeln.
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.
Wichtige Erkenntnisse#
Mit Innovationen wie Ultralytics YOLO11 und dem Dog-Pose Dataset 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, die 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.
Trete unserer Community bei und entdecke 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 Lizenzierungsoptionen an, um noch heute mit deinen Vision-AI-Projekten zu beginnen.
