YOLOvME：シマウマの種の検出

これまで、YOLOv5を使って収穫量予測アプリを作成したり、海洋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を判別したりする事例を目にしてきました。私たちはコミュニティに呼びかけ、皆さんがどのようにYOLOv5を使って課題を解決しているか、さらに多くの事例を共有していただくようお願いしました。

Kayo Kumabe氏は、日本の熊本出身のデータアナリストです。Kayo氏はYOLOv5を使い始めてまだ1ヶ月ですが、「単にスマートである」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氏はPythonや機械学習の知識がなくても、モデルをカスタマイズする時間を取ることを勧めています。一般的に、人間の目では外見上の微妙な違いを見分けることは困難です。Kayo氏は、AIであればこうした微妙な差異を容易に検出できるのではないかという仮説を立てました。

この仮説を検証するため、Kayo氏は3種類のシマウマのデータセットを構築し、自身のYOLOv5モデルに学習させました。Kayo氏は、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、シマウマの種類を特定する結果を出力します。

その結果、Kayo氏は自身の仮説を証明することができました。このYOLOv5モデルは、シマウマの各種類につきわずか20枚の画像で学習したにもかかわらず、高い精度で各種類を検出することができました。私たちはKayo氏がどのようにしてコンピュータビジョンを始めたのかに興味を持ち、いくつか質問をしてみました。

Link to this sectionシマウマの種を検出するために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。YOLOv5は難しいコーディングが不要だったので、簡単そうに見えたからです。」

Link to this sectionYOLOv5のどのような点が、使い始めるのを容易にしてくれましたか？#

「各種類のシマウマにつき20枚の画像を集め、画像のラベル付けファイルを作成し、YOLOv5に学習させるだけでした。それだけです！YOLOv5がシマウマの種類を100%正確に検出したのには驚きました！おそらく20枚以下でも大丈夫かもしれません。」

Link to this section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。」

Link to this section今後、YOLOv5で他にどのようなプロジェクトを考えていますか？#

「学校で多くの生徒の中から自分の子供を検出してみたいです。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ね。」熊部氏のYOLOv5による他の作品については、LinkedInとTwitterをチェックしてください。

Link to this sectionあなた自身のYOLOv5の活用事例はありますか？#

このシマウマを検出するYOLOv5の活用事例は、種を識別する上でのYOLOv5の成功を示す素晴らしい例です。もし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ら、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り、年間の収穫量を予測したりする場合、このモデルはどの程度うまく機能するでしょうか？想像力を自由に広げてみてください！あなた自身のYOLOv5の活用事例をSNSで#YOLOvMEを付けてタグ付けしてください。MLコミュニティにあなたの取り組みを紹介させていただきます。

Link to this sectionAI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を使えば、YOLOv5で簡単にモデルを作成し、あなたのアイデアを実現できます。私たちは物事をシンプルにし、複雑なMLOpsのすべてを自社で行うため、AIを楽しむためにコードを知る必要はありません。簡単に始められ、最初のMLモデルを構築するのはさらに簡単です。

Link to this sectionUltralytics 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枠に限りがありますので、今すぐサインアップしてください！