YOLOvME：シマウマの種の検出

これまでに、人々がUltralytics YOLOv5を使用して、農作物の収穫量推定アプリの作成、海洋プラスチックの検出、マスク正しく着用しているかどうかの判定などを行っているのを見てきました。私たちはコミュニティに呼びかけ、YOLOv5を活用してそれぞれの課題を解決しているさらに多くの事例を共有してもらうようお願いしました。

Kayo Kumabeは熊本県出身のデータアナリストです。KayoはYOLOv5を使い始めてまだ1ヶ月ですが、「シンプルに賢い」という理由でインフラストラクチャの実験を楽しんでいます。AI初心者に向けて、KayoはPythonや機械学習の知識がなくても、時間をかけてモデルをカスタマイズすることを推奨しています。一般的に、人間の目では見た目の微妙な違いを見分けるのは難しい場合があります。Kayoは、代わりにAIであればこうした微妙な違いを簡単に検出できるのではないかと仮説を立てました。

これをテストするため、Kayoは3種類のシマウマのデータセットを構築し、自身のUltralytics YOLOv5モデルに学習させました。Kayoは、さまざまな種類のシマウマを検出するためのYOLOv5モデルを作成しました。このモデルは動物の特徴を比較し、シマウマの種を特定する出力を生成します。

その結果、Kayoは自身の仮説を証明することができました。Ultralytics YOLOv5モデルは、シマウマの各種族につきわずか20枚の画像でトレーニングされた状態で、高い精度で各シマウマの種を検知することができました。Kayoがどのようにしてコンピュータビジョンを始めたのか興味があったため、いくつかの質問を投げかけました。

シマウマの種検知の目的でUltralytics YOLOv5を選ぶことになったきっかけは何ですか？#

「他の物体検出インフラストラクチャを試したことはありません。Ultralytics YOLOv5はハードコーディングを必要としないため、簡単に思えました。」

Ultralytics YOLOv5のどのような点が、簡単に使い始めることができる理由となりましたか？#

"私はシマウマの種類ごとにわずか20枚の画像を集め、画像のラベルファイルを作成し、Ultralytics YOLOv5に学習させました。たったそれだけです！YOLOv5がシマウマの種類を100%正確に検出できたのを見て、本当に驚きました。もしかすると20枚未満の画像でも問題ないかもしれません。"

機械学習とビジョンAIを始めたきっかけは何ですか？#

「クライアントの一部がAIに関心を持っていたので、仕事の幅を広げるために勉強を始めました。ビジョンAIに出会ったとき、まるで大好きな映画『ターミネーター』が現実になったようで、とてもワクワクしました。」

将来的にUltralytics YOLOv5を使用してどのような他のプロジェクトを考えていますか？#

「学校の多くの生徒の中から自分の子供を検知したいです。運動会などで役に立つかもしれません。iPhoneアプリケーションとして作ってみたいです。」KayoによるUltralytics YOLOv5を使ったその他の作品については、LinkedInとTwitterをご覧ください。

ご自身のUltralytics YOLOv5のユースケースをお持ちですか？#

このシマウマ検出におけるUltralytics YOLOv5のユースケースは、種を区別する上でのYOLOv5の優れた成功事例です。このニューラルネットワークを他の異なる種類の動物に適用した場合、YOLOv5はそれらを区別できるでしょうか？横断歩道の歩行者を検出したい場合や、年間の農作物収穫量を予測したい場合、モデルはどの程度うまく機能するでしょうか？あなたの想像力を自由に羽ばたかせてください！独自のYOLOv5のユースケースとともにソーシャルメディアで #YOLOvME のハッシュタグをつけて私たちをタグ付けしていただければ、MLコミュニティにあなたの取り組みを紹介します。

AIコンピュータビジョンを楽しみたいけれど、ノーコードを希望しますか？#

必要なのはアイデアだけです。Ultralytics Platformを使用すると、YOLOv5を使ったモデルの作成が簡単になり、アイデアを形にすることができます。複雑なMLOpsはすべて私たちがシンプルに行うため、楽しいAIを作成するためにコードの知識は一切必要ありません。簡単に始めることができ、初めてのMLモデルの構築はさらに簡単です。

Ultralytics Platformに参加して、今すぐAIの魔法を楽しみましょう#

現在ベータ版のため参加枠に限りがありますので、ぜひ今すぐ登録！してください。