YOLOvME: Rilevamento di specie zebrate

Abbiamo visto persone utilizzare YOLOv5 per creare un'applicazione per la stima della resa dei raccolti, per rilevare la plastica nell'oceano e per capire se qualcuno indossa correttamente la maschera. Abbiamo chiesto alla nostra comunità di condividere altri modi in cui utilizzano YOLOv5 per risolvere le loro sfide.  

Kayo Kumabe è un analista di dati di Kumamoto, Giappone. Kayo lavora con YOLOv5 solo da un mese, ma si diverte a sperimentare con l'infrastruttura perché "è semplicemente intelligente". A chi è alle prime armi con l'IA, Kayo consiglia di dedicare del tempo alla personalizzazione del proprio modello, anche se non ha conoscenze di python o di machine learning.

In genere, può essere difficile distinguere le sottigliezze delle apparenze con l'occhio umano. Kayo ha ipotizzato che l'intelligenza artificiale possa invece essere in grado di rilevare facilmente queste sottili differenze. Per verificarlo, Kayo ha compilato un set di dati di tre diverse specie di zebre per alimentare il suo modello YOLOv5. Kayo ha creato un modello YOLOv5 per individuare i diversi tipi di zebra. Questo modello confronta le caratteristiche degli animali e produce un output che determina la specie della zebra.

Come risultato, Kayo ha potuto dimostrare la propria ipotesi. Il modello YOLOv5 è stato in grado di rilevare ogni specie di zebra con un elevato livello di accuratezza, pur essendo stato addestrato su appena 20 immagini per ogni specie di zebra.

Eravamo curiosi di capire come Kayo avesse iniziato a lavorare con la Computer Vision, così abbiamo posto loro alcune domande.

Cosa vi ha portato a scegliere YOLOv5 per il rilevamento della specie Zebra?

"Non ho mai provato altre infrastrutture di rilevamento degli oggetti. YOLOv5 mi è sembrato facile, perché non richiedeva una codifica difficile".

Quali aspetti di YOLOv5 ti hanno reso più facile iniziare?

"Ho raccolto solo 20 immagini per ogni tipo di zebra, ho creato dei file di etichettatura delle immagini e ho lasciato che YOLOv5 imparasse. Tutto qui! È sorprendente vedere che YOLOv5 ha rilevato i tipi di zebra in modo corretto al 100%! Forse meno di 20 immagini andrebbero bene".

Come ha iniziato a occuparsi di Machine Learning e Vision AI?

"Alcuni dei miei clienti sono interessati all'IA, così ho iniziato a studiarla per ampliare il mio lavoro. Quando mi sono imbattuto nell'IA vision, ero molto eccitato perché sembrava il mio film preferito Terminator nella vita reale".

Quali altri progetti ha in mente per Yolov5 in futuro?

"Vorrei individuare mio figlio tra i tanti studenti della scuola. Potrebbe essere utile durante una giornata sportiva. Mi piacerebbe realizzarlo per un'applicazione per iPhone".

Per scoprire altre creazioni di Kayo con YOLOv5, visitate il loro sito LinkedIn e Twitter.

Avete un vostro caso d'uso YOLOv5?

Questo caso d'uso di YOLOv5 per il riconoscimento delle zebre è un ottimo esempio del successo di YOLOv5 nella distinzione delle specie. Se applichiamo questa rete neurale ad altri tipi di animali, YOLOv5 sarà in grado di distinguerli? Quanto funzionerà il modello se vogliamo individuare i pedoni sulle strisce pedonali o prevedere la resa annuale dei raccolti? Date libero sfogo alla vostra immaginazione!

Taggateci con #YOLOvME sui nostri social media con il vostro caso d'uso personale di YOLOv5 e noi promuoveremo il vostro lavoro nella comunità ML.

Volete divertirvi con l'intelligenza artificiale, ma non volete usare il codice?

Tutto ciò che serve è un'idea. Con Ultralytics HUB, è facile creare modelli con YOLOv5 e dare vita alle vostre idee. Semplifichiamo le cose e ci occupiamo noi stessi di tutti i complicati MLOP, quindi non è necessario conoscere alcun codice per divertirsi con l'IA. È facile iniziare e ancora più facile creare il vostro primo modello ML.

Unitevi a Ultralytics HUB e godetevi la magia dell'intelligenza artificiale oggi stesso

Siamo attualmente in fase beta e i posti sono limitati, quindi assicuratevi di iscrivervi subito!