X
Ultralytics YOLOv8.2 LibérationUltralytics YOLOv8.2 LibérationUltralytics YOLOv8.2 Flèche de déverrouillage
Contrôle vert
Lien copié dans le presse-papiers

Pourquoi il est important d'autonomiser les femmes dans le domaine de l'IA et de la science des données.

Explore le parcours inspirant de Lians Wanjiku dans le domaine de l'IA et de la science des données, et comment YOLOv5 façonne l'avenir de la détection d'objets.

Les entreprises adoptent l'intelligence artificielle plus rapidement que jamais pour simplifier les processus. Par exemple, l'IA peut être utilisée pour automatiser les tâches du service client, aider les médecins à diagnostiquer des maladies, améliorer les résultats des moteurs de recherche, contrôler les voitures auto-conduites, etc. La liste est encore longue...

Alors que l'IA devient omniprésente dans la vie quotidienne, la question de la diversité et de l'inclusion dans la technologie reste une préoccupation importante. En particulier, la sous-représentation persistante des femmes dans la science des données et l'IA, y compris les lacunes en matière de données sexospécifiques, conduit à l'encodage et à l'amplification des préjugés dans les produits techniques et les systèmes algorithmiques, créant ainsi des boucles de rétroaction néfastes.

"Pour être vraiment diversifié, tu dois faire entrer dans l'IA des personnes qui pensent différemment."
Kay Firth-Butterfield
Responsable de l'IA et de l'apprentissage automatique et membre du comité exécutif.


L'IA est l'un des domaines dans lesquels les femmes peuvent connaître un énorme succès, surtout si l'on donne la bonne impulsion à la participation féminine dans l'industrie.

Lians

Voici Lians Wanjiku, passionnée de science des données et d'apprentissage automatique. Ici, nous allons nous promener à travers son parcours dans la science des données et inspirer les jeunes femmes à rejoindre le mouvement de la tech.

Lians est étudiante en dernière année et stagiaire assistante de recherche au centre de science des données de l'université de technologie Dedan Kimathi au Kenya.

Constatant à quel point il est simple d'extraire des informations des données, Lians s'est intéressée à l'apprentissage automatique. Elle a rejoint une communauté de science des données il y a environ un an et s'est intéressée de près à la poursuite de sa carrière. Pour Lians, il est incroyable de voir comment la science des données et l'IA conduisent l'avenir !

Détecter les zèbres avec YOLOv5


YOLOv5 pour détecter les espèces animales

Détecter Impala avec YOLOv5

Lians n'a commencé à travailler avec YOLOv5 il y a plusieurs mois ! Travaillant avec des images de diverses espèces animales, l'objectif principal de l'utilisation du site YOLOv5 comme modèle de détection d'objets était de classer les espèces animales de la réserve naturelle de son école. Plus tard dans le projet, elle s'est rendu compte qu'après la classification, le modèle pouvait automatiquement annoter toutes les images. Cela permet de réduire les efforts humains et de gagner du temps dans l'annotation des images.

Lians a également expérimenté d'autres modèles de détection d'objets pré-entraînés, tels que TFOD et YOLOv3, parce qu'au départ, elle avait besoin d'acquérir des connaissances et des compétences sur PyTorch. Cependant, après avoir trouvé YOLOv5 grâce à ses recherches, elle l'a rapidement mis en œuvre. Pour Lian, ce modèle est le plus performant car il est léger, simple à utiliser et offre la meilleure précision.

"Le mieux, c'est que tu peux commencer avec seulement quelques lignes de code !".

La valeur en YOLOv5

  • Augmentation des données
  • Vitesse d'inférence
  • Le fait que le modèle soit disponible en plusieurs variantes (s, m, l et x), chacune ayant une précision de détection et des performances différentes, lui a facilité la tâche.

Lians recommande YOLOv5 à tous ceux qui débutent dans ce domaine. Selon elle, "YOLOv5 a été conçu pour la détection d'objets, il est donc bon dans ce qu'il fait ! Parce qu'il y a moins d'opérations et moins de code à écrire, YOLO est l'un des algorithmes de détection d'objets les plus connus en raison de sa rapidité et de sa précision.

Lians est ouverte aux collaborations sur GitHub et disponible pour une discussion sur Twitter, elle publie également des articles sur les projets sur lesquels elle travaille. Jette un coup d'œil à son article : Introduction à la détection d'objets avec YOLOv5!

J'ai déployé le modèle de détection d'objets sur quelques vidéos avec à la fois des zèbres et des impalas et..... De ce point de vue, je pense qu'il va falloir que je retourne en cuisine pour travailler avec plus de données et perfectionner le modèle. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri


- lian.s__ (@lians___) 29 novembre 2022

Merci d'avoir lu l'expérience de Lians. À l'adresse Ultralytics, nous espérons que davantage de femmes rejoindront ce domaine. Nous continuerons à rendre l'IA plus facile pour tout le monde, restez à l'écoute !

Logo FacebookLogo de TwitterLogo LinkedInSymbole du lien de copie

Lire la suite dans cette catégorie

Construisons ensemble le futur
de l'IA !

Commence ton voyage avec le futur de l'apprentissage automatique.