YOLOvME：シマウマの種検出

これまでに、Ultralytics YOLOv5を使って作物収量の推定アプリを作成したり、海中のプラスチックを検出したり、マスクを正しく着用しているかどうかを判定したりする人々を見てきました。そこで私たちはコミュニティに呼びかけ、YOLOv5をどのように活用して課題を解決しているのか、さらに多くの事例を共有してもらいました。

Kayo Kumabeさんは、日本の熊本出身のデータアナリストです。KayoさんがYOLOv5を使い始めてからまだ1か月しか経っていませんが、「とにかく賢い」ため、その仕組みを試すことを楽しんでいます。AIを初めて扱う人に対して、Kayoさんは、Pythonや機械学習の知識がなくても、モデルのカスタマイズに時間をかけることを勧めています。一般的に、人間の目で外見上の微妙な違いを見分けるのは難しい場合があります。Kayoさんは、むしろAIなら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。

この仮説を検証するため、Kayoさんは3種類のシマウマのデータセットをまとめ、Ultralytics YOLOv5モデルに入力しました。Kayoさんは、異なる種類のシマウマを検出する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、シマウマの種を判定する出力を生成します。

その結果、Kayoさんは仮説を実証できました。Ultralytics YOLOv5モデルは、シマウマ1種あたりわずか20枚の画像で学習したにもかかわらず、各種のシマウマを高い精度で検出できました。Kayoさんがどのようにコンピュータービジョンを始めたのか知りたいと思い、いくつか質問しました。

シマウマの種の検出にUltralytics YOLOv5を選んだきっかけは何ですか？#

「他の物体検出インフラを試したことはありません。ハードコーディングが必要なかったため、Ultralytics YOLOv5は簡単そうに見えました。」

Ultralytics YOLOv5のどのような点が、使い始めるうえで簡単だと感じましたか？#

「シマウマの種類ごとに20枚の画像だけを集め、画像のラベル付けファイルを作成して、Ultralytics YOLOv5に学習させました。それだけです！YOLOv5がシマウマの種類を100%正しく検出したのを見て驚きました。20枚未満でも大丈夫かもしれません。」

機械学習とビジョンAIを始めたきっかけは何ですか？#

「クライアントの中にAIに関心を持っている人がいるため、仕事の幅を広げようと勉強を始めました。ビジョンAIに出会ったときは、実生活でお気に入りの映画『ターミネーター』を見ているようで、とても興奮しました。」

今後、Ultralytics YOLOv5でどのようなプロジェクトを考えていますか？#

「学校で大勢の生徒の中から自分の子どもを検出したいです。運動会で役立つかもしれません。iPhoneアプリケーションとして作りたいです。」KayoさんがUltralytics YOLOv5で作成した作品をもっと見たい方は、 LinkedIn と Twitter_._をご覧ください。

あなた自身のUltralytics YOLOv5の活用事例はありますか？#

このシマウマ検出におけるUltralytics YOLOv5の活用事例は、YOLOv5が種の識別に成功した素晴らしい例です。このニューラルネットワークを他のさまざまな種類の動物に適用した場合、YOLOv5はそれらを識別できるでしょうか？横断歩道を渡る歩行者を検出したい場合や、年間の作物収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？想像力を自由に働かせてみてください！SNSで#YOLOvMEを付けて、あなた自身のYOLOv5活用事例を私たちに知らせてください。あなたの取り組みをMLコミュニティに紹介します。

AIコンピュータービジョンを楽しみたいけれど、ノーコードで済ませたいですか？#

必要なのはアイデアだけです。Ultralytics Platformを使えば、YOLOv5でモデルを簡単に作成し、アイデアを形にできます。複雑なMLOpsはすべて私たちが担ってシンプルにするため、AIを楽しむためにコードを知っている必要はありません。始めるのも簡単で、最初のMLモデルを構築するのはさらに簡単です。

Ultralytics Platformに参加して、今日からAIの魔法を楽しみましょう#

現在ベータ版で、参加枠には限りがありますので、ぜひ今すぐ登録してください！