事例紹介：DeepPlasticとYOLOv5

プラスチックが海洋生物を窒息させています。毎分、トラック2台分のプラスチックが海に投棄されており、年間では1,000万トンを超えます。DeepPlasticの科学者たちは、この海洋プラスチックが「海洋環境、食の安全、人間の健康、エコツーリズム、気候変動への寄与」に対する社会的脅威となると述べています。

この問題に対処するため、研究者とエンジニアからなるこのチームは、コンピュータービジョンを活用して海洋プラスチックをなくす方法を調査しています。

ディープラーニング技術を活用し、DeepPlasticの研究者たちは自律型無人潜水機（AUV）を使って、光が届く海面直下の層、つまり表層混合層にあるプラスチックをスキャン、識別、定量化する手法を開発しました。

「プラスチックの検出に使える、非常に小さく推論速度の速いモデルを作ることが目標でした。」 Jay Lowe、機械学習研究者

DeepPlasticチームは、小型で高精度な2つのモデル、YOLOv4とYOLOv5をトレーニングし、リアルタイムの物体検出を可能にしました。これらのモデルは、以下で構成されるDeepTrashデータセットでトレーニングされました。

• トレーニング画像1,900枚、テスト画像637枚、検証画像637枚（60、20、20の割合で分割）
• カリフォルニア州のタホ湖、サンフランシスコ湾、ボデガ湾で撮影された現場画像
• インターネット上の画像

「高精度で非常に高速な物体検出アルゴリズムを探していました。私たちが活動する海洋環境は過酷で、荒れた地形です。Ultralytics YOLOv5は、利用可能な最良の物体検出モデルとして、あらゆる面で期待に応えてくれました。」 「YOLOv5はセットアップも使い方も簡単で、望んでいた結果を安定して出してくれるので、とても気に入っています。」 「今後導入するモデルについても、迷うことなくYOLOv5を第一候補にします。」 Gautam Tata、機械学習研究者

DeepPlasticリポジトリ、公開論文、動画の概要をご覧ください。