YOLOvME: Detección de especies de cebra

Hemos visto a gente utilizar YOLOv5 para crear una aplicación de estimación del rendimiento de los cultivos, detectar plástico en el océano y saber si alguien lleva la máscara correctamente puesta. 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 un analista de datos de Kumamoto, Japón. Kayo sólo lleva un mes trabajando con YOLOv5, pero disfruta experimentando con la infraestructura porque "es simplemente inteligente". Para alguien que se inicie en la IA, Kayo recomienda que dedique tiempo a personalizar su modelo, aunque no tenga conocimientos de python o aprendizaje automático.

Por lo general, puede resultar difícil distinguir las sutilezas de las apariencias con el ojo humano. La hipótesis de Kayo es que, en cambio, la IA puede detectar fácilmente estas sutiles diferencias. Para probarlo, Kayo recopiló un conjunto de datos de tres especies diferentes de cebra para alimentar su modelo YOLOv5. Kayo creó un modelo YOLOv5 para detectar distintos tipos de cebras. Este modelo compara las características de los animales y produce un resultado 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, mientras se entrenaba con sólo 20 imágenes por especie de cebra.

Teníamos curiosidad por saber cómo empezó Kayo con la visión por ordenador, así que les hicimos algunas preguntas.

¿Qué le llevó a elegir YOLOv5 para la detección de especies de cebra?

"Nunca he probado ninguna otra infraestructura de detección de objetos. YOLOv5 me pareció fácil porque no requería una codificación compleja".

¿Qué aspectos de YOLOv5 te facilitaron el inicio?

"Recogí sólo 20 imágenes para cada tipo de cebra, hice archivos de etiquetado de la imagen y dejé que YOLOv5 aprendiera. ¡Eso es todo! Es asombroso ver que YOLOv5 detectó los tipos de cebra correctamente al 100%. Quizás con menos de 20 imágenes estaría bien".

¿Cómo se inició en el aprendizaje automático y la inteligencia artificial?

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

¿Qué otros proyectos tiene en mente para Yolov5 en el futuro?

"Me gustaría detectar a mi hijo entre muchos alumnos de la escuela. Podría ser útil en un día de deporte. Me gustaría hacerlo para una aplicación de iPhone".

Para ver más creaciones de Kayo con YOLOv5, visita su página de LinkedIn y Twitter.

¿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 de animales, ¿será capaz YOLOv5 de diferenciarlos? ¿Qué tal funcionará el modelo si queremos detectar peatones en un paso de peatones o predecir el rendimiento anual de las cosechas? Deja volar tu imaginación!

Etiquétanos con #YOLOvME en nuestras redes sociales con tu propio caso de uso de YOLOv5 y promocionaremos tu trabajo entre la comunidad de ML.

¿Quieres divertirte con la visión artificial pero no quieres código?

Todo lo que necesita es una idea. Con Ultralytics HUB, es fácil crear modelos con YOLOv5 y dar vida a sus ideas. Hacemos las cosas simples y hacemos todos los MLOps complicados nosotros mismos, por lo que no necesita saber nada de código para divertirse con la IA. Es fácil empezar y aún más fácil crear tu primer modelo ML.

Únase al HUB de Ultralytics y disfrute hoy mismo de la magia de la IA

Actualmente estamos en fase beta y las plazas son limitadas, así que ¡apúntate ya!