YOLOvME: detección de especies de cebras

Hemos visto a gente utilizar Ultralytics YOLOv5 para crear una aplicación de estimación del rendimiento de los cultivos, detectar plástico en el océano y comprobar si alguien lleva bien puesta la mascarilla. Nos pusimos en contacto con nuestra comunidad y les pedimos que compartieran aún más formas de utilizar YOLOv5 para resolver sus problemas.

Kayo Kumabe es analista de datos de Kumamoto, Japón. Kayo solo lleva trabajando con YOLOv5 un mes, pero disfruta experimentando con la infraestructura porque «es sencillamente inteligente». Para quienes son nuevos en AI, Kayo recomienda dedicar tiempo a personalizar el modelo, aunque no tengan conocimientos de Python ni de aprendizaje automático. Por lo general, puede resultar difícil distinguir matices en el aspecto de algo a simple vista. Kayo planteó la hipótesis de que, en cambio, AI podría detectar fácilmente estas diferencias sutiles.

Para ponerlo a prueba, Kayo recopiló un conjunto de datos de tres especies distintas de cebras para proporcionárselo a su modelo Ultralytics YOLOv5. Kayo creó un modelo YOLOv5 para detectar distintos tipos de cebras. Este modelo compara las características de los animales y genera un resultado que determina la especie de la cebra.

Como resultado, Kayo pudo demostrar su hipótesis. El modelo Ultralytics YOLOv5 fue capaz de detectar cada especie de cebra con un alto nivel de precisión, aunque se entrenó únicamente con 20 imágenes por especie de cebra. Queríamos saber cómo empezó Kayo en el campo de la visión por ordenador, así que le hicimos algunas preguntas.

¿Qué te llevó a elegir Ultralytics YOLOv5 para detectar especies de cebras?#

«Nunca había probado ninguna otra infraestructura de detección de objetos. Ultralytics YOLOv5 parecía fácil, ya que no requería programación compleja.»

¿Qué aspectos de Ultralytics YOLOv5 te facilitaron empezar a utilizarlo?#

«Solo recopilé 20 imágenes de cada tipo de cebra, creé archivos de etiquetado para las imágenes y dejé que Ultralytics YOLOv5 aprendiera. ¡Eso es todo! Es increíble ver que YOLOv5 detectó correctamente los tipos de cebra al 100 %. Quizá bastarían menos de 20 imágenes.»

¿Cómo empezaste en el aprendizaje automático y la visión artificial?#

«A algunos de mis clientes les interesa AI, así que empecé a estudiarla para ampliar mis oportunidades laborales. Cuando descubrí la visión artificial, me emocioné mucho porque parecía Terminator, mi película favorita, en la vida real.»

¿Qué otros proyectos tienes en mente para Ultralytics YOLOv5 en el futuro?#

«Me gustaría detectar a mi hijo entre muchos alumnos en el colegio. Podría ser útil durante un día deportivo. Me gustaría crear una aplicación para iPhone.» Para ver más creaciones de Kayo con Ultralytics YOLOv5, echa un vistazo a su LinkedIn y a Twitter_._

¿Tienes tu propio caso de uso de Ultralytics YOLOv5?#

Este caso de uso de Ultralytics YOLOv5 para detectar cebras es un gran ejemplo del éxito de YOLOv5 a la hora de distinguir especies. Si aplicamos esta red neuronal a otros tipos de animales, ¿será capaz YOLOv5 de diferenciarlos? ¿Cómo funcionará el modelo si quieres detectar peatones en un paso de cebra o predecir el rendimiento anual de los cultivos? ¡Deja volar tu imaginación! Menciónanos con #YOLOvME en nuestras redes sociales y comparte tu propio caso de uso de YOLOv5; promocionaremos tu trabajo entre la comunidad de ML.

¿Quieres divertirte con la visión artificial de AI, pero sin código?#

Solo necesitas una idea. Con Ultralytics Platform, es fácil crear modelos con YOLOv5 y hacer realidad tus ideas. Nosotros simplificamos las cosas y nos encargamos de todo el complicado trabajo de MLOps, así que no necesitas saber programar para divertirte con AI. Es fácil empezar y aún más fácil crear tu primer modelo de ML.

Únete a Ultralytics Platform y disfruta hoy de la magia de AI#

Actualmente estamos en fase beta y hay plazas limitadas, así que asegúrate de registrarte ahora.