Entraînement personnalisé d'Ultralytics YOLO11 pour l'estimation de pose canine

Et si la posture de ton chien pouvait t'aider à comprendre ce qu'il ressent ? Surveiller manuellement ton animal 24h/24 n'est pas chose aisée. Cependant, grâce aux avancées de l'intelligence artificielle (IA) et de la computer vision, nous pouvons analyser des images vidéo en temps réel pour mieux comprendre son comportement.

Plus précisément, des modèles de computer vision comme Ultralytics YOLO11 peuvent aider à estimer la posture d'un chien et à suivre ses déplacements, offrant ainsi des informations précieuses sur son bien-être. Comment cela fonctionne-t-il ? La capacité d'estimation de pose de YOLO11 peut identifier des points clés sur le corps d'un sujet afin de comprendre sa posture et ses mouvements.

De plus, YOLO11 peut être entraîné sur mesure avec un jeu de données conçu pour l'estimation de la posture canine, rendant possible une analyse précise du langage corporel de ton animal. Le package Python Ultralytics prend en charge un Dog-Pose Dataset qui facilite l'entraînement et le déploiement de modèles d'IA pour chiens. Cette technologie s'inscrit dans le marché en plein essor de la pet tech market, évalué à 9,4 milliards de dollars en 2024 et dont la valeur devrait atteindre 64 milliards de dollars d'ici 2037.

L'inspiration derrière cet article est Blues, notre Dog Executive Officer (DEO). Si tu consultes notre page About Us, tu verras que Blues est un membre précieux de l'équipe et joue un rôle important pour maintenir une ambiance amusante chez Ultralytics !

Dans cet article, nous discuterons de la manière d'entraîner YOLO11 sur mesure en utilisant le Dog-Pose Dataset pour l'estimation de la posture canine. Nous explorerons également ses applications pratiques dans le soin des animaux et l'analyse de leur comportement.

Fig 1. Rencontre Blues, le Dog Executive Officer (DEO) chez Ultralytics.

Link to this sectionAperçu du Dog-Pose dataset#

Un dataset est une collection de données utilisée pour entraîner des modèles de machine learning. Pour l'pose estimation, un jeu de données idéal inclut des images avec des points clés annotés pour cartographier les positions corporelles. Il doit également présenter une variété de postures, d'angles, de conditions d'éclairage et d'arrière-plans pour aider le modèle à apprendre à reconnaître et prédire les postures avec précision. Cette diversité rend le modèle plus fiable pour une utilisation dans le monde réel.

Le Dog-Pose Dataset, pris en charge par Ultralytics, est spécifiquement conçu pour aider les modèles à apprendre et à reconnaître efficacement les postures canines. Il comprend plus de 8 400 images annotées de diverses races de chiens, avec des étiquettes détaillées pour 24 points clés, tels que la queue, les oreilles et les pattes.

Fig 2. Un aperçu du Dog-Pose Dataset.

Link to this sectionComment entraîner YOLO11 sur mesure avec le Dog-Pose Dataset#

Entraîner YOLO11 sur mesure avec le Dog-Pose Dataset est un processus simple. Pour commencer, tu devras configurer ton environnement en installant le Ultralytics Python package, qui inclut tous les outils nécessaires à l'entraînement et à l'évaluation.

Ultralytics intègre un support natif pour le Dog-Pose Dataset, ce qui élimine le besoin d'annotation manuelle et te permet de passer directement à l'entraînement. Une fois le tout configuré, tu peux entraîner YOLO11 sur le Dog-Pose Dataset en quelques lignes de code, comme le montre l'image ci-dessous.

Pendant l'entraînement, le modèle apprend à détecter et à suivre les postures canines à travers différentes races, conditions d'éclairage et environnements. Après l'entraînement, tu peux visualiser les résultats et affiner le modèle pour améliorer sa précision et ses performances.

Fig 3. Un extrait de code montrant l'entraînement personnalisé de YOLO11 sur le Dog-Pose Dataset.

Si tu rencontres des problèmes lors de l'entraînement de ton modèle, voici quelques conseils de dépannage pour t'aider à les résoudre rapidement :

• Vérifie ta connexion internet : Le Dog-Pose Dataset est téléchargé automatiquement lorsque tu exécutes le script d'entraînement. Assure-toi d'avoir une connexion internet stable pour éviter les échecs de téléchargement.
• Mets à jour Ultralytics : Assure-toi d'utiliser la dernière version du package Python Ultralytics.
• Vérifie les erreurs dans la console : Lis attentivement les messages d'erreur, car ils fournissent souvent des indices sur ce qui doit être corrigé.

Tu peux consulter le Ultralytics Common Issues Guide pour plus de conseils de dépannage.

Link to this sectionQue se passe-t-il pendant l'entraînement d'un modèle personnalisé ?#

Tu te demandes peut-être ce qui se passe en coulisses lorsque tu fais un custom-train avec YOLO11 sur le Dog-Pose Dataset. Examinons le processus de plus près.

Plutôt que de partir de zéro, nous utilisons un modèle YOLO11-pose pré-entraîné, qui a déjà été entraîné sur le COCO-Pose dataset. Ce modèle pré-entraîné peut détecter les points clés humains, car le COCO-Pose est conçu pour l'estimation de la posture humaine. En fait, sans aucun entraînement supplémentaire, tu peux utiliser YOLO11-Pose pour effectuer une estimation de la posture humaine immédiatement.

Grâce au transfert learning, nous adaptons ce modèle spécifiquement pour l'estimation de la posture canine, l'aidant à reconnaître des points clés comme les pattes, la queue et la tête. En exposant le modèle à des exemples spécifiques aux chiens, il apprend à se concentrer sur ces caractéristiques essentielles.

Pendant l'entraînement, certaines parties du modèle restent inchangées, conservant les connaissances générales acquises sur le dataset COCO. D'autres parties sont ré-entraînées pour améliorer la précision de l'estimation des postures canines. Le modèle apprend en comparant ses prédictions avec les points clés réels du dataset et en s'ajustant pour réduire les erreurs. Avec le temps, ce processus le rend plus performant pour suivre les mouvements d'un chien avec précision.

Le Transfer learning permet également au modèle de s'adapter à différentes races, tailles et schémas de mouvement, garantissant ainsi des performances fiables dans des scénarios réels.

Fig 4. Détection des points clés de Blues et de sa sœur Happy.

Link to this sectionLes avantages de YOLO11 dans l'estimation de la posture canine#

Il existe de nombreux computer vision models disponibles, alors qu'est-ce qui fait de YOLO11 le bon choix pour l'estimation de la posture canine ?

YOLO11 se distingue par sa vitesse et sa précision en temps réel, ce qui en fait une excellente option pour l'estimation de la posture canine. Il surpasse les versions précédentes en termes de précision et de rapidité. Avec 22 % de paramètres en moins que YOLOv8, il atteint une mean average precision (mAP) plus élevée sur le dataset COCO, ce qui signifie qu'il détecte les objets de manière plus précise et efficace. Sa grande vitesse de traitement le rend idéal pour les applications en temps réel, où une détection rapide et fiable est essentielle.

Au-delà de l'estimation de pose, YOLO11 prend également en charge des computer vision tasks comme l'instance segmentation et l'object tracking, qui peuvent aider à créer une solution de vision par IA plus complète pour surveiller ton chien. Ces fonctionnalités peuvent améliorer le suivi des mouvements, l'analyse du comportement et le soin global des animaux.

Fig 5. YOLO11 en action : segmentant Blues sans effort !

Link to this sectionApplications de l'estimation de la posture canine et de YOLO11#

Ensuite, discutons des applications réelles de l'estimation de la posture canine et de son impact sur le soin des animaux.

Link to this sectionAméliorer le dressage des animaux avec l'estimation de la posture canine#

L'estimation de la posture canine peut rendre le dressage plus intelligent et plus efficace. Disons qu'une caméra est utilisée pour capturer les mouvements du chien ; c'est là que YOLO11 intervient. Il peut détecter des points clés comme les pattes, la queue et la tête, les analysant pour reconnaître des actions telles que s'asseoir, rester immobile ou se coucher.

Si le chien n'exécute pas l'action correctement, le système peut fournir un retour instantané via une application, aidant l'éducateur en temps réel. Cela rend le dressage plus efficace, précis et réactif aux progrès du chien.

Par exemple, considère l'apprentissage de l'ordre « assis ». Le système peut surveiller la posture de ton chien et détecter s'il est complètement assis. Si le chien baisse son corps mais ne s'assoit pas complètement, le système peut détecter l'action incomplète et envoyer un feedback instantané via une application. L'éducateur peut alors être alerté pour effectuer de petits ajustements, comme renforcer l'ordre ou guider le chien dans la position correcte.

Fig 6. Blues aidant l'équipe avec l'estimation de la posture canine à l'aide de YOLO11.

Link to this sectionFaire avancer les soins vétérinaires avec les modèles d'estimation de pose#

La computer vision peut transformer la façon dont les vétérinaires abordent les soins aux animaux. La capacité de l'estimation de la posture canine à analyser les détails avec précision permet de repérer plus facilement les schémas de mouvement inhabituels et d'identifier des problèmes de santé potentiels.

Par exemple, un vétérinaire qui surveille un chien en convalescence après une blessure ligamentaire peut s'appuyer sur YOLO11, entraîné sur le Dog-Pose Dataset, pour une analyse automatisée. Le boiterie ou les changements dans le positionnement des pattes peuvent être facilement détectés. Une surveillance continue et automatisée 24h/24 offre des perspectives claires sur la récupération du chien, aidant à déterminer si le traitement fonctionne ou si des ajustements sont nécessaires.

Link to this sectionLa voie à suivre pour l'estimation de la posture canine#

Alors que la technologie continue d'évoluer, des solutions comme l'estimation de la posture canine avec YOLO11 joueront probablement un rôle plus important dans l'animal monitoring et le bien-être. En fait, YOLO11 peut être intégré à des technologies portables, comme des colliers connectés et des trackers de santé, pour surveiller des indicateurs de santé clés tels que la fréquence cardiaque, les niveaux d'activité et les schémas de mobilité.

Par exemple, un collier connecté équipé de capteurs de mouvement peut suivre la démarche du chien lorsqu'il marche ou court, tandis que l'estimation de pose de YOLO11 analyse la posture en temps réel. Si le système détecte un mouvement irrégulier, comme une boiterie ou une raideur, il peut corréler ces données avec la fréquence cardiaque et les niveaux d'activité pour évaluer une gêne ou une blessure potentielle. Les propriétaires d'animaux et les vétérinaires utilisent ces informations pour identifier les problèmes précocement et agir de manière proactive.

Grâce à ces avancées, l'estimation de la posture canine évolue au-delà du simple suivi de mouvement ; elle devient un élément clé d'un système complet de soins aux animaux piloté par l'IA, aidant les chiens à rester en meilleure santé, plus en sécurité et mieux surveillés en temps réel.

Link to this sectionPoints clés#

Avec des innovations comme YOLO11 et le Dog-Pose Dataset, nous ouvrons de nouvelles possibilités en matière de computer vision. Ces avancées nous aident à mieux comprendre le comportement et la santé des chiens de manières auparavant impossibles.

En suivant avec précision les postures canines, nous pouvons améliorer le dressage, surveiller la santé et rendre les soins aux animaux plus efficaces. Que ce soit dans la recherche, les soins vétérinaires ou le dressage canin, l'IA visuelle crée des moyens plus intelligents de prendre soin de nos chiens et d'améliorer leur bien-être.

Rejoins our community et explore our GitHub repository pour en apprendre davantage sur l'IA. Découvre comment des innovations comme computer vision in healthcare et AI in self-driving cars façonnent l'avenir. Consulte nos licensing options pour commencer tes projets de vision par IA dès aujourd'hui.