Explorez les applications innovantes de YOLOv5, comme la détection des espèces zébrées, et voyez comment notre communauté exploite l'IA pour des tâches difficiles.
.webp)
Explorez les applications innovantes de YOLOv5, comme la détection des espèces zébrées, et voyez comment notre communauté exploite l'IA pour des tâches difficiles.
Nous avons vu des gens utiliser YOLOv5 pour créer une application d'estimation du rendement des cultures, détecter le plastique dans l'océan et savoir si quelqu'un porte correctement son masque. Nous avons fait appel à notre communauté et lui avons demandé de partager d'autres façons d'utiliser YOLOv5 pour résoudre leurs problèmes.
Kayo Kumabe est un analyste de données originaire de Kumamoto, au Japon. Kayo ne travaille avec YOLOv5 que depuis un mois, mais il aime expérimenter avec l'infrastructure car "elle est tout simplement intelligente". Kayo recommande aux novices en matière d'IA de passer du temps à personnaliser leur modèle, même s'ils n'ont pas de connaissances en python ou en apprentissage automatique.
En règle générale, l'œil humain a du mal à distinguer les subtilités des apparences. Kayo a émis l'hypothèse que l'IA pourrait facilement détecter ces différences subtiles. Pour tester cette hypothèse, Kayo a compilé un ensemble de données de trois espèces différentes de zèbres pour alimenter son modèle YOLOv5. Kayo a créé un modèle YOLOv5 pour détecter les différents types de zèbres. Ce modèle compare les caractéristiques des animaux et produit un résultat qui détermine l'espèce du zèbre.
Kayo a ainsi pu prouver son hypothèse. Le modèle YOLOv5 a été capable de détecter chaque espèce de zèbre avec un haut niveau de précision, tout en étant entraîné sur seulement 20 images par espèce de zèbre.
Nous étions curieux de comprendre comment Kayo s'est lancé dans la vision par ordinateur, et nous leur avons donc posé quelques questions.
"Je n'ai jamais essayé d'autres infrastructures de détection d'objets. YOLOv5 m'a semblé facile puisqu'il ne nécessitait pas de codage en dur."
"J'ai collecté seulement 20 images pour chaque type de zèbre, j'ai créé des fichiers d'étiquetage de l'image et j'ai laissé YOLOv5 apprendre. C'est tout ! Il est étonnant de voir que YOLOv5 a détecté les types de zèbres à 100 % correctement ! Peut-être que moins de 20 images suffiraient".
"Certains de mes clients s'intéressent à l'IA et j'ai donc commencé à l'étudier pour élargir mon champ d'action. Lorsque j'ai découvert l'IA visionnaire, j'ai été très enthousiaste car elle ressemblait à mon film préféré, Terminator, dans la vie réelle.
"J'aimerais détecter mon enfant parmi les nombreux élèves de l'école. Cela pourrait être utile lors d'une journée sportive. J'aimerais le créer pour une application iPhone."
Pour découvrir d'autres créations de Kayo avec YOLOv5, consultez leur LinkedIn et Twitter.
Ce cas d'utilisation de YOLOv5 sur la détection des zèbres est un excellent exemple de la capacité de YOLOv5 à distinguer les espèces. Si nous appliquons ce réseau neuronal à d'autres types d'animaux, YOLOv5 sera-t-il capable de les différencier ? Dans quelle mesure le modèle fonctionnera-t-il si vous souhaitez détecter des piétons sur un passage piéton ou prédire le rendement annuel d'une culture ? Laissez libre cours à votre imagination !
Étiquetez-nous avec #YOLOvME sur nos médias sociaux avec votre propre cas d'utilisation de YOLOv5 et nous ferons la promotion de votre travail auprès de la communauté ML.
Tout ce dont vous avez besoin, c'est d'une idée. Avec Ultralytics HUB, il est facile de créer des modèles avec YOLOv5 et de donner vie à vos idées. Nous simplifions les choses et réalisons nous-mêmes tous les MLOps compliqués, de sorte que vous n'avez pas besoin de connaître le code pour vous amuser avec l'IA. Il est facile de commencer et encore plus facile de construire votre premier modèle ML.
Nous sommes actuellement en phase bêta et les places sont limitées, alors n'hésitez pas à vous inscrire dès maintenant !