3 febbraio 2025
Scoprite come addestrare Ultralytics YOLO11 per la stima della posa del cane e sfruttare il modello addestrato per applicazioni pratiche come la cura degli animali domestici.
E se la postura del tuo cane potesse darti informazioni su come si sente? Monitorarli manualmente 24 ore su 24 non è facile. Tuttavia, grazie ai progressi nell'intelligenza artificiale (AI) e nella computer vision, possiamo analizzare filmati video in tempo reale per comprendere meglio il loro comportamento.
In particolare, i modelli di visione artificiale come Ultralytics YOLO11 possono aiutare a stimare la postura di un cane e a track movimenti, fornendo preziose indicazioni sul suo benessere. Come funziona? La capacità di stima della posa di YOLO11può identificare i punti chiave del corpo di un soggetto per comprenderne la postura e il movimento.
Inoltre, YOLO11 può essere addestrato su un set di dati progettato per la stima della posa dei cani, rendendo possibile un'analisi accurata del linguaggio del corpo del vostro animale domestico. Il pacchetto Ultralytics Python supporta un Dog-Pose Dataset che facilita l'addestramento e la distribuzione di modelli Vision AI per cani. Questa tecnologia fa parte del mercato in forte espansione delle tecnologie per animali domestici, valutato a 9,4 miliardi di dollari nel 2024 e destinato a raggiungere i 64 miliardi di dollari entro il 2037.
L'ispirazione di questo articolo è Blues, il nostro Dog Executive Officer (DEO). Se date un'occhiata alla nostra pagina su di noi, vedrete che Blues è un apprezzato membro del team e svolge un ruolo importante nel mantenere le cose divertenti in Ultralytics!
In questo articolo, discuteremo di come addestrare YOLO11 utilizzando il Dog-Pose Dataset per la stima della posa dei cani. Esploreremo anche le sue applicazioni pratiche nella cura degli animali domestici e nell'analisi del comportamento.
Un dataset è una raccolta di dati utilizzati per addestrare modelli di machine learning. Per la stima della posa, un dataset ideale include immagini con punti chiave etichettati per mappare le posizioni del corpo. Dovrebbe inoltre presentare una varietà di pose, angolazioni, condizioni di illuminazione e sfondi per aiutare il modello a riconoscere e prevedere le pose in modo accurato. Questa diversità rende il modello più affidabile per l'uso nel mondo reale.
Il Dog-Pose Dataset, supportato da Ultralytics, è stato progettato specificamente per aiutare i modelli ad apprendere e riconoscere efficacemente le pose dei cani. Include oltre 8.400 immagini annotate di varie razze di cani, con etichette dettagliate per 24 punti chiave, come la coda, le orecchie e le zampe.
L'addestramento personalizzato di YOLO11 con il dataset Dog-Pose è un processo semplice. Per iniziare, è necessario configurare l'ambiente installando il pacchettoUltralytics Python , che include tutti gli strumenti necessari per l'addestramento e la valutazione.
Ultralytics ha il supporto integrato per il dataset Dog-Pose e questo elimina la necessità di etichettatura manuale, consentendo di passare direttamente all'addestramento. Una volta configurato il tutto, è possibile addestrare YOLO11 sul dataset Dog-Pose utilizzando solo poche righe di codice, come mostrato nell'immagine seguente.
Durante l'addestramento, il modello impara a detect e track pose dei cani in diverse razze, condizioni di luce e ambienti. Dopo l'addestramento, è possibile visualizzare i risultati e perfezionare il modello per migliorare la precisione e le prestazioni.
Se riscontri problemi durante l'addestramento del tuo modello, ecco alcuni suggerimenti per la risoluzione dei problemi che ti aiuteranno a risolverli rapidamente:
Per ulteriori suggerimenti sulla risoluzione dei problemi è possibile consultare la Guida ai problemi comuniUltralytics .
Ci si potrebbe chiedere cosa succede dietro le quinte quando si addestra YOLO11 in modo personalizzato sul dataset Dog-Pose. Diamo un'occhiata più da vicino al processo.
Invece di partire da zero, utilizziamo un modello YOLO11 pre-addestrato, che è già stato addestrato sul set di datiCOCO. Questo modello pre-addestrato è in grado di detect punti chiave umani, poiché COCO è stato progettato per la stima della posa umana. Di fatto, senza alcun addestramento aggiuntivo, è possibile utilizzare YOLO11 per eseguire la stima della posa umana direttamente dalla scatola.
Attraverso il transfer learning, adattiamo questo modello specificamente per la stima della posa del cane, aiutandolo a riconoscere i punti chiave come le zampe, la coda e la testa. Esponendo il modello a esempi specifici per i cani, impara a concentrarsi su queste caratteristiche essenziali.
Durante l'addestramento, alcune parti del modello rimangono invariate, conservando la conoscenza generale acquisita dal set di dati COCO . Altre parti vengono riqualificate per migliorare l'accuratezza nella stima delle pose dei cani. Il modello impara confrontando le sue previsioni con i punti chiave effettivi del set di dati e regolandosi per ridurre gli errori. Con il passare del tempo, questo processo migliora la capacità di tracciare con precisione i movimenti del cane.
Il transfer learning consente inoltre al modello di adattarsi a diverse razze, dimensioni e modelli di movimento, garantendo che funzioni in modo affidabile in scenari del mondo reale.
Esistono diversi modelli di computer vision, ma cosa rende YOLO11 la scelta giusta per la stima della posa del cane?
YOLO11 si distingue per la velocità e la precisione in tempo reale, che lo rendono un'ottima opzione per la stima della posa del cane. Le sue prestazioni sono migliori rispetto alle versioni precedenti sia in termini di precisione che di velocità. Con il 22% di parametri in meno rispetto a YOLOv8, raggiunge una precisione media superioremAP) sul set di dati COCO , il che significa che rileva gli oggetti in modo più accurato ed efficiente. La sua velocità di elaborazione lo rende perfetto per le applicazioni in tempo reale, dove il rilevamento rapido e affidabile è essenziale.
Oltre alla stima della posa, YOLO11 supporta anche attività di computer vision come la segmentazione delle istanze e il tracciamento degli oggetti, che possono contribuire a creare una soluzione Vision AI più completa per il monitoraggio del cane. Queste funzioni possono migliorare il tracciamento dei movimenti, l'analisi del comportamento e la cura complessiva dell'animale.
Successivamente, discutiamo le applicazioni reali della stima della posa del cane e il suo impatto sulla cura degli animali domestici.
La stima della posa del cane può rendere l'addestramento più intelligente ed efficace. Se si utilizza una telecamera per catturare i movimenti del cane, è qui che YOLO11 può intervenire. È in grado di detect punti chiave come le zampe, la coda e la testa, analizzandoli per riconoscere azioni come sedersi, stare o sdraiarsi.
Se il cane non esegue correttamente l'azione, il sistema può fornire un feedback immediato tramite un'app, aiutando l'addestratore in tempo reale. Ciò rende l'addestramento più efficiente, preciso e reattivo ai progressi del cane.
Ad esempio, è possibile insegnare al cane a sedersi a comando. Il sistema può monitorare la postura del cane e detect se è completamente seduto. Se il cane abbassa il corpo ma non si siede completamente, il sistema può detect l'azione incompleta e inviare un feedback istantaneo tramite un'app. L'addestratore può essere modificato per apportare piccole modifiche all'addestramento, come rafforzare il comando o guidare il cane nella posizione corretta.
La computer vision può trasformare il modo in cui i veterinari si avvicinano alla cura degli animali. La capacità della stima della posa del cane di analizzare i dettagli con precisione rende più facile individuare schemi di movimento insoliti e identificare potenziali problemi di salute.
Ad esempio, un veterinario che monitora un cane che si sta riprendendo da una lesione ai legamenti può affidarsi a YOLO11, addestrato sul Dog-Pose Dataset, per l'analisi automatica. È possibile rilevare facilmente la zoppia o i cambiamenti nel posizionamento delle zampe. Il monitoraggio continuo, 24 ore su 24 e 7 giorni su 7, abilitato dalla visione, fornisce una chiara visione del recupero del cane, aiutando il veterinario a determinare se il trattamento sta funzionando o se sono necessari aggiustamenti.
Con la continua evoluzione della tecnologia, soluzioni come la stima della posa del cane con YOLO11 avranno probabilmente un ruolo maggiore nel monitoraggio e nel benessere degli animali. Infatti, YOLO11 può essere integrato con la tecnologia indossabile, come i collari intelligenti e i tracker sanitari, per monitorare indicatori di salute chiave come la frequenza cardiaca, i livelli di attività e i modelli di mobilità.
Ad esempio, un collare intelligente dotato di sensori di movimento può track 'andatura di un cane che cammina o corre, mentre la stima della posa di YOLO11analizza la postura in tempo reale. Se il sistema rileva movimenti irregolari, come zoppia o rigidità, può correlare questi dati con la frequenza cardiaca e i livelli di attività per valutare potenziali disagi o lesioni. I proprietari di animali domestici e i veterinari possono utilizzare queste informazioni per identificare tempestivamente i problemi e adottare misure proattive.
Con questi progressi, la stima della posa del cane si sta evolvendo oltre il semplice tracciamento del movimento: sta diventando una parte fondamentale di un sistema completo di cura degli animali domestici basato sull'intelligenza artificiale, aiutando i cani a rimanere più sani, più sicuri e meglio monitorati in tempo reale.
Con innovazioni come YOLO11 e il Dog-Pose Dataset, stiamo aprendo nuove possibilità nella computer vision. Questi progressi ci aiutano a comprendere meglio il comportamento e la salute dei cani in modi che prima non erano possibili.
Tracciando accuratamente le pose dei cani, possiamo migliorare l'addestramento, monitorare la salute e rendere la cura degli animali domestici più efficace. Che si tratti di ricerca, assistenza veterinaria o addestramento canino, la Vision AI sta creando modi più intelligenti per prenderci cura dei nostri cani e migliorare il loro benessere.
Unisciti alla nostra community ed esplora il nostro repository GitHub per saperne di più sull'IA. Scopri come innovazioni come la computer vision nel settore sanitario e l'IA nelle auto a guida autonoma stanno plasmando il futuro. Dai un'occhiata alle nostre opzioni di licenza per iniziare oggi stesso i tuoi progetti di Vision AI.
