YOLOvME: Rilevamento di specie di zebre

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

Kayo Kumabe è un'analista di dati di Kumamoto, in Giappone. Kayo lavora con YOLOv5 solo da un mese, ma si diverte a sperimentare con l'infrastruttura perché “è semplicemente intelligente”. Per chi è nuovo all'IA, Kayo consiglia di dedicare del tempo alla personalizzazione del proprio modello, anche se non si hanno conoscenze di Python o machine learning.

In generale, può essere difficile distinguere le sottigliezze nell'aspetto con l'occhio umano. Kayo ha ipotizzato che, invece, l'IA possa facilmente rilevare queste sottili differenze. Per testare questo, Kayo ha compilato un set di dati di tre diverse specie di zebra per alimentare il suo modello YOLOv5. Kayo ha creato un modello YOLOv5 per rilevare diversi tipi di zebra. Questo modello confronta le caratteristiche degli animali e produce un output che determina la specie della zebra.

Di conseguenza, Kayo è stata in grado di dimostrare la sua ipotesi. Il modello YOLOv5 è stato in grado di rilevare ogni specie di zebra con un alto livello di accuratezza, pur essendo stato addestrato su sole 20 immagini per specie di zebra.

Eravamo curiosi di capire come Kayo ha iniziato con la Computer Vision, quindi le abbiamo fatto alcune domande.

Cosa l'ha spinta a scegliere YOLOv5 per il rilevamento delle specie di zebra?

"Non ho mai provato altre infrastrutture di object detection. YOLOv5 mi è sembrato semplice perché non richiedeva una codifica complessa."

Quali aspetti di YOLOv5 hanno reso semplice per lei iniziare?

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

Come ha iniziato con il Machine Learning e la Vision AI?

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

Quali altri progetti ha in mente per Yolov5 in futuro?

"Vorrei rilevare mio figlio tra molti studenti a scuola. Potrebbe essere utile in una giornata sportiva. Vorrei realizzarlo per un'applicazione iPhone."

Per scoprire altre creazioni di Kayo con YOLOv5, dai un'occhiata al suo profilo LinkedIn e Twitter.

Ha un suo caso d'uso di YOLOv5?

Questo caso d'uso di rilevamento di zebre con YOLOv5 è un ottimo esempio del successo di YOLOv5 nel distinguere le specie. Se applichiamo questa rete neurale ad altri tipi diversi di animali, YOLOv5 sarà in grado di differenziarli? Quanto bene funzionerà il modello se si desidera rilevare i pedoni in un attraversamento pedonale o prevedere la resa annuale dei raccolti? Lascia correre la tua immaginazione!

Tagga i tuoi post con #YOLOvME sui nostri social media con il tuo caso d'uso di YOLOv5 e promuoveremo il tuo lavoro nella community ML.

Vuoi divertirti con la computer vision AI ma senza codice?

Tutto ciò di cui hai bisogno è un'idea. Con Ultralytics HUB, è facile creare modelli con YOLOv5 e dare vita alle tue idee. Semplifichiamo le cose e ci occupiamo noi di tutte le complesse MLOps, quindi non hai bisogno di conoscere alcun codice per divertirti con l'AI. È facile iniziare e ancora più facile costruire il tuo primo modello ML.

Unisciti a Ultralytics HUB e goditi la magia dell'AI oggi stesso

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