YOLOvME: rilevamento delle specie di zebre

Abbiamo visto persone utilizzare YOLOv5 per creare un'app di stima della resa agricola, rilevare la plastica nell'oceano e capire se qualcuno indossa correttamente la mascherina. Abbiamo contattato la nostra community e abbiamo chiesto di condividere ancora più modi in cui utilizzano YOLOv5 per risolvere le loro sfide.

Kayo Kumabe è una data analyst di Kumamoto, in Giappone. Kayo lavora con YOLOv5 solo da un mese, ma ama sperimentare con l'infrastruttura perché "è semplicemente intelligente". A chi si avvicina all'intelligenza artificiale, Kayo consiglia di dedicare del tempo alla personalizzazione del proprio modello, anche in assenza di conoscenze di Python o di machine learning. In genere, può essere difficile distinguere le sottigliezze nell'aspetto a occhio nudo. Kayo ha ipotizzato che, invece, l'IA possa essere facilmente in grado di rilevare queste sottili differenze.

Per testare questa ipotesi, Kayo ha compilato un dataset di tre diverse specie di zebre per alimentare il suo modello YOLOv5. Kayo ha creato un modello YOLOv5 per rilevare diversi tipi di zebre. Questo modello confronta le caratteristiche degli animali e produce un output che determina la specie della zebra.

Di conseguenza, Kayo è riuscita a dimostrare la sua ipotesi. Il modello YOLOv5 è stato in grado di rilevare ogni specie di zebra con un elevato livello di precisione, pur essendo stato addestrato su sole 20 immagini per specie di zebra. Eravamo curiosi di capire come Kayo avesse iniziato a occuparsi di computer vision, quindi le abbiamo fatto alcune domande.

Link to this sectionCosa ti ha portato a scegliere YOLOv5 per il rilevamento delle specie di zebre?#

"Non ho mai provato nessun'altra infrastruttura di rilevamento oggetti. YOLOv5 sembrava facile poiché non richiedeva una programmazione complessa."

Link to this sectionQuali aspetti di YOLOv5 ti hanno reso facile iniziare?#

"Ho raccolto solo 20 immagini per ogni tipo di zebra, creato i file di etichettatura dell'immagine e lasciato che YOLOv5 imparasse. Tutto qui! È fantastico vedere che YOLOv5 ha rilevato i tipi di zebra correttamente al 100%! Forse basterebbero anche meno di 20 immagini."

Link to this sectionCome hai iniziato con il machine learning e la Vision AI?#

"Alcuni dei miei clienti sono interessati all'IA, quindi ho iniziato a studiarla per ampliare il mio lavoro. Quando mi sono imbattuta nella Vision AI, ero molto entusiasta perché sembrava il mio film preferito, Terminator, nella vita reale."

Link to this sectionQuali altri progetti hai in mente per YOLOv5 in futuro?#

"Vorrei rilevare mio figlio tra tanti studenti a scuola. Potrebbe essere utile durante una giornata sportiva. Vorrei realizzarlo per un'applicazione per iPhone." Per scoprire altre creazioni di Kayo con YOLOv5, dai un'occhiata al suo LinkedIn e Twitter.

Link to this sectionHai il tuo caso d'uso per YOLOv5?#

Questo caso d'uso di YOLOv5 per il rilevamento delle zebre è un ottimo esempio del successo di YOLOv5 nel distinguere le specie. Se applichiamo questa rete neurale ad altri tipi di animali, sarà YOLOv5 in grado di differenziarli? Quanto funzionerà bene il modello se vuoi rilevare i pedoni sulle strisce pedonali o prevedere la resa annuale dei raccolti? Lascia correre la tua immaginazione! Taggaci con #YOLOvME sui nostri social media con il tuo caso d'uso di YOLOv5 e promuoveremo il tuo lavoro alla community ML.

Link to this sectionVuoi divertirti con l'IA e la visione artificiale ma senza scrivere codice?#

Tutto ciò di cui hai bisogno è un'idea. Con la Ultralytics Platform, è facile creare modelli con YOLOv5 e dare vita alle tue idee. Rendiamo le cose semplici e gestiamo noi stessi tutta la complessa parte di MLOps, così non hai bisogno di conoscere alcun codice per divertirti con l'IA. È facile iniziare e ancora più facile creare il tuo primo modello ML.

Link to this sectionUnisciti alla Ultralytics Platform e goditi la magia dell'IA oggi stesso#

Siamo attualmente in versione beta e i posti sono limitati, quindi assicurati di registrarti ora!