YOLOvME: Detección de especies de cebras

Hemos visto a gente usar YOLOv5 para crear una aplicación de estimación del rendimiento de cultivos, detectar plástico en el océano y saber si alguien lleva puesta la mascarilla correctamente. Nos pusimos en contacto con nuestra comunidad y les pedimos que compartieran aún más formas en las que utilizan YOLOv5 para resolver sus desafíos.

Kayo Kumabe es analista de datos de Kumamoto, Japón. Kayo solo lleva trabajando con YOLOv5 durante el último mes, pero disfruta experimentando con la infraestructura porque "es simplemente inteligente". Para alguien nuevo en la IA, Kayo recomienda que dedique tiempo a personalizar su modelo, incluso si no tiene conocimientos de Python o aprendizaje automático. Por lo general, puede resultar difícil distinguir las sutilezas en la apariencia con el ojo humano. Kayo planteó la hipótesis de que, en cambio, la IA podría ser capaz de detectar fácilmente estas diferencias sutiles.

Para probar esto, Kayo recopiló un conjunto de datos de tres especies diferentes de cebras para alimentar su modelo YOLOv5. Kayo creó un modelo YOLOv5 para detectar diferentes tipos de cebras. Este modelo compara las características de los animales y genera una salida que determina la especie de la cebra.

Como resultado, Kayo pudo demostrar su hipótesis. El modelo YOLOv5 fue capaz de detectar cada especie de cebra con un alto nivel de precisión, a pesar de estar entrenado con solo 20 imágenes por especie de cebra. Teníamos curiosidad por entender cómo empezó Kayo con la visión artificial, así que le hicimos algunas preguntas.

Link to this section¿Qué te llevó a elegir YOLOv5 para el propósito de la detección de especies de cebra?#

"Nunca había probado ninguna otra infraestructura de detección de objetos. YOLOv5 me pareció fácil ya que no requería una programación compleja".

Link to this section¿Qué aspectos de YOLOv5 te facilitaron el empezar?#

"Recopilé solo 20 imágenes de cada tipo de cebra, creé los archivos de etiquetado de la imagen y dejé que YOLOv5 aprendiera. ¡Eso es todo! ¡Es increíble ver que YOLOv5 detectó los tipos de cebra correctamente al 100%! Quizás menos de 20 imágenes habrían estado bien".

Link to this section¿Cómo empezaste con el aprendizaje automático y la IA de visión?#

"Algunos de mis clientes están interesados en la IA, así que empecé a estudiarla para ampliar mi trabajo. Cuando descubrí la IA de visión, me emocioné mucho porque parecía mi película favorita, Terminator, en la vida real".

Link to this section¿Qué otros proyectos tienes en mente para YOLOv5 en el futuro?#

"Me gustaría detectar a mi hijo entre muchos estudiantes en la escuela. Podría ser útil en un día deportivo. Me gustaría hacerlo para una aplicación de iPhone". Para ver más creaciones de Kayo con YOLOv5, echa un vistazo a su LinkedIn y Twitter.

Link to this section¿Tienes tu propio caso de uso de YOLOv5?#

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

Link to this section¿Quieres divertirte con la visión artificial de IA pero sin usar código?#

Todo lo que necesitas es 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 MLOps complicado, por lo que no necesitas saber nada de código para disfrutar de la IA. Es fácil empezar e incluso más fácil construir tu primer modelo de ML.

Link to this sectionÚnete a Ultralytics Platform y disfruta de la magia de la IA hoy mismo#

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