物体検出にUltralytics YOLOv8を使用するSharkEye
YOLO Vision 2024で発表されたSharkEyeが、どのようにUltralytics YOLOv8を活用してリアルタイム物体検出とビーチの安全性を実現しているかを理解します。
農場での放牧中の牛や海岸付近を泳ぐサメなど、自然環境下での動物のモニタリングは、その安全性と健全性のために常に重要視されてきました。しかし、手作業による観測は容易ではありません。観察者は行動や動きの変化を注意深く見守る必要があり、多くの場合、何時間もの忍耐と集中力が求められます。それでも、わずかですが重要な兆候を見逃してしまうことは少なくありません。
人工知能（AI）の介入により、このプロセスはより速く、よりスマートで、はるかに効率的なものになりつつあり、人間による観察者の負担を軽減しながら精度を向上させています。特に、コンピュータービジョンは、動物の追跡、危険の検知、そしてリアルタイムでの意思決定に活用できます。かつて数時間かかっていた作業が今では数分で完了できるようになり、動物の行動を理解するための新しい方法が開かれています。
Ultralyticsが主催する年次ハイブリッドイベント「YOLO Vision 2024 (YV24)」では、専門家やイノベーターが集まり、AIがいかにして日常の課題に取り組んでいるかを探求しました。紹介されたトピックには、リアルタイム物体検出や動物モニタリングにおける進歩が含まれており、AIがさまざまな分野でいかに安全性と効率性を高めているかが実証されました。
イベントのハイライトの一つは、AI Master Groupの創設者であるJim Griffin氏による講演で、彼はビジョンAIがサメが海岸に近づきすぎる前に検知することで、いかにビーチをより安全にしているかを実証しました。彼は、最先端のコンピュータービジョンモデルであるUltralytics YOLOv8を使用して、波の荒れ、光の反射、水中の障害物といった困難な状況下でも、リアルタイムで正確にサメを識別する方法を説明しました。
本記事では、SharkEyeプロジェクトについて詳しく掘り下げ、Jim氏の講演から得られた興味深い知見を共有します。
Link to this sectionSharkEyeを知る：コンピュータービジョンアプリケーション#
Jim氏は、カリフォルニア州の有名なサーフスポットであり、サーファーとサメが頻繁に同じ水域を共有するパダロ・ビーチを紹介することから講演を始めました。サメ検知の真の課題を強調し、彼は「もちろん、サメに噛まれてから検知するのは簡単です。ですから私たちがやりたかったのは、サメを事前に特定することでした」と述べました。
図1. YOLO Vision 2024のステージ上のJim氏。
SharkEyeは、カリフォルニア大学サンタバーバラ校の支援を受けてこの課題に取り組むために作成されました。Jim氏は、高解像度のAIカメラを搭載したドローンが水面から約200フィート（約60メートル）上空を飛行し、リアルタイムで海面をスキャンする方法について説明しました。
サメが検知されると、ライフガード、サーフショップのオーナー、更新情報を登録した人を含む約80人にSMSアラートが送信されます。Jim氏は、これらの即時通知によって迅速な対応が可能になり、サメが海岸近くにいるときに海水浴客の安全を確保できると指摘しました。
またJim氏は、ユーザーがサメの検知統計を確認できるライブダッシュボードがSharkEyeに備わっていることにも触れました。例えば、12週間でシステムは2匹の大型のサメと15匹の小型のサメを特定しており、平均すると週に1匹強という結果でした。
続いて彼は、SharkEyeの取り組みを主導した科学者であるNeil Nathan氏を紹介しました。コンピューターサイエンスではなく環境学のバックグラウンドを持ちながら、Nathan氏はプロジェクトを成功へと導きました。Jim氏は、SharkEyeで使用されているような最新のAIツールは、非技術職の人々でもインパクトのあるソリューションを開発できるようにアクセシビリティを考慮して設計されていることを強調しました。
Link to this sectionUltralytics YOLOv8によるサメの検知#
さらに詳細に踏み込み、Jim氏はSharkEyeの内部構造について説明しました。このサメ検知ソリューションには、単なる物体検出以上の作業が必要でした。サメと見間違えやすい海藻が浮いているような、動的で予測不可能な状況に対処しなければならなかったのです。静止した物体を見つけるのとは異なり、サメを識別するには精度と適応性が求められるため、YOLOv8は理想的な選択肢となりました。
YOLOv8のもう一つの利点は、クラウドサーバーに頼らずにドローンに展開できる点でした。Jim氏は、このアプローチによりSharkEyeが即座にアラートを送信できるようになったと説明しました。これは、予測不可能な海洋状況において適時の対応を確実にするために不可欠な要素です。
Link to this sectionわずか6行のコードでの物体検出#
SharkEyeの仕組みとその背景にある共同作業を強調した後、Jim氏はライブデモを行いました。
Jim Griffin氏は、おなじみの例であるUltralytics YOLOモデルの「Hello World」コードスニペットを使用してライブデモを開始しました。わずか6行のPythonコードで、事前トレーニング済みのUltralytics YOLOv8モデルが、いかに簡単に画像内のバスを検出できるかを実演しました。
図2. YOLO Vision 2024でのJim氏によるデモ。
彼のデモでは、ドローンのような低電力デバイス向けの軽量バージョンであるYOLOv8 Nanoモデルが使用されました。このモデルは、SharkEyeのリアルタイムのサメ検知にも使用されています。
補足としてJim氏は、デモで使用されたモデルが、広く利用されているCOCOデータセットの小さなサブセットであるCOCO128でトレーニングされていることに言及しました。COCOデータセットには、80の異なる物体カテゴリにわたる2万枚以上の画像が含まれています。COCO128は迅速なデモンストレーションには適していますが、SharkEyeには現実世界の複雑さに対処できる、アプリケーション固有のサメ検知データセットが必要だったと彼は指摘しました。
Link to this sectionSharkEyeのためのYOLOv8のカスタムトレーニング#
Jim氏によると、SharkEyeプロジェクトで最も困難だったのはAIモデルのトレーニングではなく、適切なデータの収集でした。「このプロジェクトの主な作業はAIではありませんでした。このプロジェクトの主な作業は、5年間ドローンを飛ばし、動画から画像を抽出して適切にタグ付けすることでした」と彼はコメントしました。
彼は、チームがパダロ・ビーチで1万5000枚の画像をどのように収集したかを説明しました。各画像は、サメ、海藻、その他の水中の物体を区別するために手動でラベル付けする必要がありました。プロセスは遅く過酷でしたが、その後のすべての基盤となりました。
図3. リアルタイム物体検出のためにドローンを使用してサメの画像をキャプチャ。
データセットの準備が整うと、Ultralytics YOLOv8がそれを使ってカスタムトレーニングされました。Jim氏は、「実際のトレーニングはそれほど難しい部分ではありませんでした。T4 GPU [グラフィックス処理ユニット]でわずか20時間しかかかりませんでした」と述べました。また、A100 GPUのようなより強力なハードウェアを使用すれば、時間を最大5時間まで短縮できた可能性があるとも付け加えました。
Link to this sectionSharkEyeの評価：再現率よりも精度を重視#
次にJim氏は、SharkEyeのパフォーマンスがどのように評価されたかについて説明しました。彼は、主要な指標が精度（システムがどれだけ正確に実際のサメを識別できたか）であることを示しました。SharkEyeは92%という驚異的な精度を達成しており、複雑な海洋環境の中でサメを正確に識別する上で、このモデルが非常に効果的であることが証明されました。
精度の重要性を深掘りし、Jim氏はなぜ今回の場合において再現率よりも精度が重要だったのかを明らかにしました。「多くの場合、人々は再現率に関心を持ちます。特に医療のような分野では、陽性のケースを見逃すことは致命的になり得るからです。しかし、今回の場合、どれだけのサメがそこにいるのか分からなかったため、私たちが重視したのは精度でした」と彼は説明しました。SharkEyeは精度に焦点を当てることで誤報を最小限に抑え、ライフガードや他の対応者が迅速に行動できるようにしました。
図4. YOLO Vision 2024でSharkEyeを披露するJim氏。
彼は、SharkEyeの92%の精度が、人間の専門家の60%の精度をはるかに上回っていることに触れ、AIと人間のパフォーマンスを比較して講演を締めくくりました。彼はこのギャップを強調し、「それは私たちが人間だからです。どれほど専門家であっても、一日中画面の前に座ってサメを探さなければならないとしたら、最終的には集中力が途切れてしまうものです」と語りました。人間とは異なり、AIモデルは疲れたり気が散ったりすることがないため、継続的な監視が必要なタスクにとって信頼できるソリューションとなります。
Link to this sectionUltralytics YOLO11：最新のYOLO#
Jim Griffin氏の講演からの「6行のコードでいつか命を救えるかもしれない」という興味深い言葉は、AIがいかに高度かつ身近なものになったかを完璧に捉えています。Ultralytics YOLOモデルは、このことを念頭に置いて作成されており、最先端のコンピュータービジョン技術をあらゆる規模の開発者や企業が利用できるようにしています。Ultralytics YOLO11は、より高速な推論とより高い精度でこれを発展させています。
YOLO11の特徴を簡単に紹介します：
- 再設計されたアーキテクチャ：強化されたバックボーンとネックアーキテクチャにより、特徴抽出と精度の向上が実現しました。
- 使いやすさ：PythonコーディングまたはUltralytics HUBのようなノーコードツールを通じて利用できます。
- タスクの柔軟性：YOLO11は、物体検出、インスタンスセグメンテーション、画像分類、追跡、ポーズ推定、回転バウンディングボックス（OBB）といったコンピュータービジョンタスクをサポートしています。
- 精度の向上：YOLO11は、COCOデータセットにおいてYOLOv8mと比較して22%高い平均精度（mAP）を達成し、より正確な検出を実現します。
これらの機能により、YOLO11は農場であれ野生であれ、動的な環境における動物の行動追跡に非常に適しています。
Link to this section重要なポイント#
ビジョンAIの進歩は、さまざまな分野に実用的なツールを提供することで、現実世界の課題への取り組みを容易にしています。例えば、YOLO11のようなコンピュータービジョンモデルは、厳しい条件下であっても動物のリアルタイムのモニタリングや追跡に使用できます。
YV24でのJim Griffin氏のキーノートは、YOLOv8がいかに少ないコーディングで複雑な問題を解決できるかを実証しました。ドローンとAIを組み合わせてリアルタイムでサメを検知するSharkEyeプロジェクトは、テクノロジーがいかにビーチの安全性を向上できるかを示しました。
これは、身近なAIがいかにして異なる背景を持つ人々が効果的なソリューションを作成できるようにするかを示す魅力的なケーススタディでした。AIが進化し続ける中で、AIは業界を変革しており、個人がその可能性を活用して、世界をより安全で、よりスマートで、より効率的な場所にすることを可能にしています。
私たちのコミュニティに参加し、GitHubリポジトリを探索してAIをより深く探求してください。農業におけるコンピュータービジョンから自動運転車のAIまで、これらのテクノロジーがいかにイノベーションを推進しているかをご確認ください。ライセンスオプションをチェックして、今すぐAIプロジェクトを始めましょう！
