Wenn Sie auf "Alle Cookies akzeptieren" klicken, stimmen Sie der Speicherung von Cookies auf Ihrem Gerät zu, um die Navigation auf der Website zu verbessern, die Nutzung der Website zu analysieren und unsere Marketingaktivitäten zu unterstützen. Mehr Infos
Cookie-Einstellungen
Wenn Sie auf "Alle Cookies akzeptieren" klicken, stimmen Sie der Speicherung von Cookies auf Ihrem Gerät zu, um die Navigation auf der Website zu verbessern, die Nutzung der Website zu analysieren und unsere Marketingaktivitäten zu unterstützen. Mehr Infos
Unternehmen setzen künstliche Intelligenz schneller als je zuvor ein, um Prozesse zu vereinfachen. So kann KI beispielsweise zur Automatisierung von Kundendienstaufgaben, zur Unterstützung von Ärzten bei der Diagnose von Krankheiten, zur Verbesserung von Suchmaschinenergebnissen, zur Steuerung selbstfahrender Autos usw. eingesetzt werden. Die Liste lässt sich beliebig fortsetzen...
Da KI im Alltag allgegenwärtig wird, bleibt die Frage der Vielfalt und Integration in der Technologie ein wichtiges Anliegen. Insbesondere die anhaltende Unterrepräsentation von Frauen in den Bereichen Datenwissenschaft und KI, einschließlich geschlechtsspezifischer Datenlücken, führt dazu, dass Vorurteile in technischen Produkten und algorithmischen Systemen kodiert und verstärkt werden, wodurch schädliche Rückkopplungsschleifen entstehen.
"Um wirklich vielfältig zu sein, muss man Menschen in die KI bringen, die anders denken.
Kay Firth-Butterfield Leiterin der Abteilung KI und maschinelles Lernen und Mitglied des Exekutivausschusses
Die Künstliche Intelligenz ist einer der Bereiche, in denen Frauen enorme Erfolge erzielen können, vor allem, wenn die Beteiligung von Frauen in der Branche richtig gefördert wird.
Wir stellen Ihnen Lians Wanjiku vor, die sich für Datenwissenschaft und maschinelles Lernen begeistert. Hier werden wir einen Spaziergang durch ihre Reise in die Datenwissenschaft machen und junge Frauen dazu inspirieren, sich der Tech-Bewegung anzuschließen.
Lians ist Studentin im letzten Studienjahr und Praktikantin im Data Science Center an der Dedan Kimathi University of Technology in Kenia.
Als sie bemerkte, wie einfach es ist, Erkenntnisse aus Daten zu gewinnen, wurde Lians Interesse am maschinellen Lernen geweckt. Vor etwa einem Jahr schloss sie sich einer Data-Science-Community an und ist sehr daran interessiert, diesen Bereich beruflich zu verfolgen. Für Lians ist es erstaunlich, wie Datenwissenschaft und KI die Zukunft bestimmen!
YOLOv5 zur Erkennung von Tierarten
Lians hat erst vor einigen Monaten mit YOLOv5 begonnen! Bei der Arbeit mit Bildern verschiedener Tierarten bestand das Hauptziel der Arbeit mit YOLOv5 als Objekterkennungsmodell darin, die Tierarten im Naturschutzgebiet ihrer Schule zu klassifizieren. Später im Projekt stellte sie fest, dass das Modell nach der Klassifizierung alle Bilder automatisch mit Anmerkungen versehen kann. Das macht es einfacher, den menschlichen Aufwand zu reduzieren und Zeit bei der Beschriftung der Bilder zu sparen.
Lians experimentierte auch mit anderen vortrainierten Objekterkennungsmodellen wie TFOD und YOLOv3, da sie zunächst Kenntnisse und Fähigkeiten in PyTorch erwerben musste. Nachdem sie jedoch durch Recherchen auf YOLOv5 gestoßen war, implementierte sie es schnell. Für Lian schneidet das Modell am besten ab, da es leichtgewichtig und einfach zu verwenden ist und die beste Genauigkeit bietet.
"Das Beste daran ist, dass man mit nur wenigen Zeilen Code loslegen kann!"
Der Wert von YOLOv5
Datenerweiterung
Geschwindigkeit der Inferenz
Die Tatsache, dass das Modell in mehreren Varianten (s, m, l und x) mit jeweils unterschiedlicher Erkennungsgenauigkeit und Leistung erhältlich ist, erleichterte ihr die Entscheidung.
Lians empfiehlt YOLOv5 für alle, die neu in diesem Bereich sind. In ihren Worten: "YOLOv5 wurde für die Objekterkennung entwickelt, also ist es gut in dem, was es tut! Da es weniger Operationen gibt und weniger Code geschrieben werden muss, ist YOLO aufgrund seiner Geschwindigkeit und Genauigkeit einer der bekanntesten Objekterkennungsalgorithmen.
Lians ist offen für Kollaborationen auf GitHub und steht für einen Chat auf Twitter zur Verfügung. Sie veröffentlicht auch Artikel über Projekte, an denen sie arbeitet. Sehen Sie sich ihren Artikel an: Einführung in die Objektdetektion mit YOLOv5!
Ich habe das Objekterkennungsmodell auf einige Videos mit Zebras und Impalas angewandt und.... Aus dieser Perspektive denke ich, dass ich zurück in die Küche gehen muss, um mit mehr Daten zu arbeiten und das Modell zu perfektionieren. #100daysofcoding@ultralytics#objectdetection@WomenInDataAfri
Danke, dass Sie über Lians Erfahrungen gelesen haben. Als Ultralytics freuen wir uns darauf, dass mehr Frauen in diesem Bereich tätig werden. Wir werden weiterhin KI für alle einfacher machen, bleiben Sie dran!
DE
EN
ZH
KO
JA
RU
FR
ES
PT
IT
TR
VI
AR
.webp)
