YOLOvME: Zebra-Artenerkennung

Wir haben gesehen, wie Leute YOLOv5 verwenden, um eine App zur Schätzung von Ernteerträgen zu erstellen, Plastik im Ozean zu erkennen und festzustellen, ob jemand seine Maske richtig trägt. Wir haben uns an unsere Community gewandt und sie gebeten, noch mehr Möglichkeiten mitzuteilen, wie sie YOLOv5 einsetzen, um ihre Herausforderungen zu lösen.  

Kayo Kumabe ist Datenanalystin aus Kumamoto, Japan. Kayo arbeitet erst seit einem Monat mit YOLOv5, experimentiert aber gerne mit der Infrastruktur, weil sie „einfach intelligent“ ist. Für jemanden, der neu im Bereich KI ist, empfiehlt Kayo, Zeit mit der Anpassung seines Modells zu verbringen, auch wenn er keine Kenntnisse in Python oder maschinellem Lernen hat.

Im Allgemeinen kann es schwierig sein, Feinheiten im Aussehen mit dem menschlichen Auge zu unterscheiden. Kayo stellte die Hypothese auf, dass KI diese subtilen Unterschiede stattdessen leicht erkennen kann. Um dies zu testen, erstellte Kayo einen Datensatz mit drei verschiedenen Zebraarten, um ihr YOLOv5-Modell zu füttern. Kayo erstellte ein YOLOv5-Modell, um verschiedene Zebraarten zu erkennen. Dieses Modell vergleicht Merkmale der Tiere und gibt eine Ausgabe aus, die die Art des Zebras bestimmt.

Infolgedessen konnte Kayo ihre Hypothese beweisen. Das YOLOv5-Modell war in der Lage, jede Zebraart mit hoher Genauigkeit zu erkennen, obwohl es nur mit 20 Bildern pro Zebraart trainiert wurde.

Wir waren neugierig zu verstehen, wie Kayo mit Computer Vision angefangen hat, also stellten wir ihr ein paar Fragen.

Was hat Sie dazu bewogen, YOLOv5 für die Zebra-Artenerkennung zu wählen?

"Ich habe noch nie eine andere Objekterkennungsinfrastruktur ausprobiert. YOLOv5 schien einfach zu sein, da es keine harte Programmierung erforderte."

Welche Aspekte von YOLOv5 haben Ihnen den Einstieg erleichtert?

"Ich habe nur 20 Bilder für jede Zebraart gesammelt, Beschriftungsdateien der Bilder erstellt und YOLOv5 lernen lassen. Das ist alles! Es ist erstaunlich zu sehen, dass YOLOv5 die Zebraarten zu 100 % korrekt erkannt hat! Vielleicht wären weniger als 20 Bilder ausreichend."

Wie haben Sie mit Machine Learning und Vision AI angefangen?

"Einige meiner Kunden interessieren sich für KI, also habe ich angefangen, sie zu studieren, um meinen Job zu erweitern. Als ich auf Vision AI stieß, war ich sehr aufgeregt, weil es wie mein Lieblingsfilm Terminator im wirklichen Leben aussah."

Welche anderen Projekte haben Sie in Zukunft für Yolov5 geplant?

"Ich möchte mein Kind unter vielen Schülern in der Schule erkennen. Das könnte an einem Sporttag nützlich sein. Ich würde es gerne für eine iPhone-Anwendung erstellen."

Um mehr von Kayos Kreationen mit YOLOv5 zu sehen, besuchen Sie deren LinkedIn und Twitter.

Haben Sie Ihren eigenen YOLOv5-Anwendungsfall?

Dieser Anwendungsfall zur Zebraerkennung mit YOLOv5 ist ein großartiges Beispiel für den Erfolg von YOLOv5 bei der Unterscheidung von Arten. Wenn wir dieses neuronale Netz auf andere Tierarten anwenden, kann YOLOv5 diese dann unterscheiden? Wie gut funktioniert das Modell, wenn Sie Fußgänger an einem Zebrastreifen erkennen oder den jährlichen Ernteertrag vorhersagen möchten? Lassen Sie Ihrer Fantasie freien Lauf!

Markieren Sie uns mit #YOLOvME in unseren sozialen Medien mit Ihrem eigenen YOLOv5-Anwendungsfall und wir werden Ihre Arbeit in der ML-Community bekannt machen.

Möchten Sie Spaß mit KI-Computer Vision haben, aber ohne Code?

Alles, was Sie brauchen, ist eine Idee. Mit Ultralytics HUB ist es einfach, Modelle mit YOLOv5 zu erstellen und Ihre Ideen zum Leben zu erwecken. Wir machen die Dinge einfach und erledigen die komplizierten MLOps selbst, sodass Sie keinen Code kennen müssen, um Spaß mit KI zu haben. Der Einstieg ist einfach und der Aufbau Ihres ersten ML-Modells noch einfacher.

Werde Teil des Ultralytics HUB und genieße noch heute die Magie der KI

Wir befinden uns derzeit in der Beta-Phase und es gibt nur eine begrenzte Anzahl an Plätzen. Melden Sie sich jetzt an!