Martin Schätzが感染症研究、コロニー計数、野生動物モニタリングにおいて、YOLOv5 活用して効率的な画像解析を行っている様子をご覧ください。
数え切れないほどの画像、データ、結果などを評価しなければならなかったことはありませんか？ プロセスをより複雑にするために、これらの評価を手動で行わなければならなかったことはありませんか？ もちろん、それは信じられないほど時間がかかります。
マーティン・シェッツにとって、YOLOv5 感染症の研究やモニタリングに関わる画像解析に必要な時間を短縮するのに役立つツールであることが証明された。マーティンはいくつかの仕事を1つでこなしているが、彼の仕事の本質は、"コンピューターサイエンスと生物学の中間 "と彼が表現するバイオ画像解析にある。私たちはマーティンのコロニー・モニタリングとカウントの仕事についてもっと知りたいと思い、彼にいくつかの質問をした。
マーティンが自分のプロジェクトにYOLOv5 導入した理由は、物体の検出、分類、計数のための既存のプロセスを自動化する必要性からきている。マーティンはまた、長期進化実験のようなケースにYOLOv5 使うことも目指している。
研究室では、寒天プレート上で増殖した細菌のコロニーは、一般的に技術者が手作業で数えている。残念なことに、手作業による計数はエラーを招きやすい。この問題に取り組むため、MartinはYOLOv5 利用して計数プロセスを自動化した。このアプローチにより、コロニーの検出と分類に関連するエラーと時間が大幅に削減された。
顕微鏡の世界で検査を行うには、塗抹標本を評価する必要があります。これは依然として、ほとんど手作業で行われているプロセスです。ご存知のように、手作業によるプロセスは、エラーが発生しやすく、結果にばらつきが出やすいものです。さらに、特定の形状の物体検出に適したツールは存在しますが、さまざまな物体の自動カウントや分類のための、より専門的なツールが必要です。
「私の同僚は、森林や他の場所で野生生物を記録しており、通常、ビデオを手動で確認しています。つまり、彼らは座って何百ものビデオをチェックしなければなりません。」
映像から野生のブタやシカのインスタンスを手作業で探すと途方もない時間がかかることを念頭に置き、マーティンは物体検出がこのプロセスを確実に最適化できることを知っていた。そこでYOLOv5 導入され、野生動物がカメラの視線に入ると、簡単かつ瞬時に検出できるようになった。
マーティンは修士号を取得するために、彼が「画像解析への古典的なアプローチ」と呼ぶものを研究しました。学位を終える頃には、ディープラーニングがますます話題になっており、当時は単に「畳み込みネットワーク」と呼ばれていました。
この期間中、Martinはあまり使いやすくないデータのマイニングに取り組んでいました。データを実際に操作できるようにしたいと考えたMartinは、機械学習とVision AIの世界に飛び込むことを選びました。
現在、MLとVision AIの学習プロセスは非常に複雑になる可能性があります。Vision AIをしばらく使用しているMartin氏は、これから始めようとする人に向けて、次の3つのポイントを挙げました。
マーティン・シェッツは、共焦点顕微鏡におけるバイオ画像解析とデータ処理を専門とする研究者であり、教鞭も執っている。マーティンが取り組んでいるプロジェクトの動機は、感染症研究とモニタリングのための画像解析プロセスを最適化することである。マーティンの3つのプロジェクトのドキュメントと詳細は、彼の GitHubリポジトリ.さらに、マーティンは NEUBIASの一員であり、生物学／顕微鏡学における科学的画像解析に最も使用されるツールを推進する組織である。 学習済みディープラーニングモデルをモデルZooに掲載しています。
あなたのYOLOv5 使用例にもスポットライトを当てたいと思います！ソーシャルメディアUltralytics で #YOLOvME とタグ付けしてください。
