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

Et si la posture de ton chien pouvait te donner des indices sur son état d'esprit ? Le surveiller manuellement 24 h/24 n'est pas facile. Cependant, grâce aux avancées en intelligence artificielle (IA) et en computer vision, nous pouvons analyser des séquences vidéo en temps réel pour mieux comprendre son comportement.

Plus précisément, les modèles de computer vision tels que Ultralytics YOLO11 peuvent aider à estimer la posture d'un chien et à suivre ses mouvements, fournissant 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 pour comprendre sa posture et ses mouvements.

De plus, YOLO11 peut être entraîné sur mesure sur un jeu de données conçu pour l'estimation de pose de chien, permettant d'analyser avec précision le langage corporel de ton animal de compagnie. Le package Python Ultralytics prend en charge un Dog-Pose Dataset qui facilite l'entraînement et le déploiement de modèles de vision par IA pour les chiens. Cette technologie s'inscrit dans le marché de la tech pour animaux de compagnie en plein essor, évalué à 9,4 milliards de dollars en 2024 et qui devrait atteindre 64 milliards de dollars d'ici 2037.

L'inspiration derrière cet article est Blues, notre Directeur canin des opérations (Dog Executive Officer ou 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 la bonne ambiance chez Ultralytics !

Dans cet article, nous allons voir comment entraîner sur mesure Ultralytics YOLO11 en utilisant le Dog-Pose Dataset pour l'estimation de pose de chiens. Nous explorerons également ses applications pratiques dans les soins aux animaux et l'analyse de leur comportement.

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

Aperçu du Dog-Pose dataset#

Un dataset est un ensemble de données utilisé pour entraîner des modèles de machine learning. Pour l'pose estimation, un ensemble de données idéal comprend des images avec des points clés étiquetés pour cartographier les positions corporelles. Il doit également présenter une variété de poses, d'angles, de conditions d'éclairage et d'arrière-plans pour aider le modèle à apprendre à reconnaître et à prédire les poses 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. Aperçu du Dog-Pose Dataset.

Comment entraîner sur mesure Ultralytics YOLO11 avec le jeu de données Dog-Pose#

L'entraînement personnalisé de YOLO11 avec le Dog-Pose Dataset est un processus simple. Pour commencer, tu dois configurer ton environnement en installant le Ultralytics Python package, qui comprend 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 présentant l'entraînement sur mesure d'Ultralytics YOLO11 sur le jeu de données Dog-Pose.

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 obtenir d'autres conseils de dépannage.

Que se passe-t-il pendant l'entraînement d'un modèle personnalisé ?#

Tu te demandes peut-être ce qui se passe en coulisses lorsque tu entraînes sur mesure Ultralytics YOLO11 sur le Dog-Pose Dataset. Examinons de plus près le processus.

Plutôt que de repartir de zéro, nous utilisons un modèle Ultralytics YOLO11-pose pré-entraîné, qui a déjà été entraîné sur le jeu de données COCO-Pose. Ce modèle pré-entraîné peut détecter des points clés humains puisque COCO-Pose est conçu pour l'estimation de pose humaine. En fait, sans entraînement supplémentaire, tu peux utiliser YOLO11-Pose pour effectuer une estimation de pose humaine dès la sortie de la boîte.

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.

Les avantages d'Ultralytics YOLO11 dans l'estimation de pose de chien#

Il existe divers computer vision models, alors qu'est-ce qui fait de YOLO11 le bon choix pour l'estimation de pose de chien ?

Ultralytics YOLO11 se distingue par sa vitesse en temps réel et sa précision, ce qui en fait une excellente option pour l'estimation de pose de chien. Il est plus performant que les versions précédentes en termes de précision et de vitesse. Avec 22 % de paramètres en moins que YOLOv8, il atteint une précision moyenne moyenne (mAP) plus élevée sur le jeu de données COCO, ce qui signifie qu'il détecte les objets avec plus de précision et d'efficacité. Sa vitesse de traitement rapide le rend parfait pour les applications en temps réel, où une détection rapide et fiable est essentielle.

Au-delà de l'estimation de pose, Ultralytics YOLO11 prend également en charge des tâches de vision par ordinateur telles que la segmentation d'instances et le suivi d'objets, ce qui peut aider à créer une solution de vision IA plus complète pour surveiller ton chien. Ces fonctionnalités peuvent améliorer le suivi des mouvements, l'analyse du comportement et les soins généraux apportés à l'animal.

Fig. 5. Ultralytics YOLO11 en action : segmentation de Blues sans effort !

Applications de l'estimation de pose de chiens et d'Ultralytics YOLO11#

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

Améliorer le dressage des animaux avec l'estimation de la posture canine#

L'estimation de pose de chiens peut rendre le dressage plus intelligent et plus efficace. Imaginons qu'une caméra soit utilisée pour capturer les mouvements du chien, c'est là qu'Ultralytics YOLO11 entre en jeu. Il peut détecter des points clés tels que les pattes, la queue et la tête, en 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 dans l'estimation de pose de chiens avec Ultralytics YOLO11

Faire 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 surveillant un chien en convalescence après une blessure aux ligaments peut compter sur Ultralytics YOLO11, entraîné sur le Dog-Pose Dataset, pour une analyse automatisée. La boiterie ou les changements de position des pattes peuvent être facilement détectés. Une surveillance continue 24h/24 et 7j/7 permise par la vision fournit des informations claires sur la guérison du chien, l'aidant à déterminer si le traitement fonctionne ou si des ajustements sont nécessaires.

La voie à suivre pour l'estimation de la posture canine#

Alors que la technologie continue d'évoluer, des solutions telles que l'estimation de pose de chien 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, telles que des colliers intelligents 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 intelligent équipé de capteurs de mouvement peut suivre la démarche d'un chien en marche ou en course, tandis que l'estimation de pose d'Ultralytics YOLO11 analyse la posture en temps réel. Si le système détecte un mouvement irrégulier, tel qu'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 tôt 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.

Points clés#

Avec des innovations telles qu'Ultralytics YOLO11 et le Dog-Pose Dataset, nous ouvrons de nouvelles perspectives en vision par ordinateur. Ces avancées nous aident à mieux comprendre le comportement et la santé des chiens d'une manière qui n'était pas possible auparavant.

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 notre communauté et explore notre dépôt GitHub pour en savoir plus sur l'IA. Découvre comment des innovations telles que la computer vision in healthcare et l'AI in self-driving cars façonnent l'avenir. Consulte nos licensing options pour commencer tes projets de vision par IA dès aujourd'hui.