YOLOvME：シマウマの種の検出

Ultralytics YOLOv5を使って作物収量推定アプリを作成したり、海洋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を判定したりする事例を見てきました。コミュニティに声をかけ、YOLOv5を使って課題を解決したほかの方法も共有してもらいました。

Kayo Kumabe氏は、日本の熊本出身のデータアナリストです。YOLOv5を使い始めてまだ1か月ですが、「とにかく賢い」と感じ、基盤を試すことを楽しんでいます。AIを始めたばかりの人に向けて、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勧めています。一般に、人間の目で外見の微妙な違いを見分けるのは難しい場合があります。そこでKayo氏は、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考えました。

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まとめ、Ultralytics YOLOv5モデルに入力しました。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した結果を出力します。

その結果、Kayo氏は仮説を証明できました。Ultralytics YOLOv5モデルは、シマウマの各種について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、高い精度で検出できました。Kayo氏がコンピュータービジョンを始めたきっかけを知りたいと思い、いくつか質問しました。

シマウマの種の検出にUltralytics YOLOv5を選んだ理由は何ですか？#

「ほかの物体検出用の基盤は使ったことがありません。難しいコーディングが必要なかったので、Ultralytics YOLOv5は簡単そうに見えました。」

Ultralytics YOLOv5のどのような点が、使い始める際に役立ちましたか？#

「シマウマの種類ごとに20枚だけ画像を集め、画像のラベル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？#

「AIに興味を持っているクライアントがいたので、仕事の幅を広げるために勉強を始めました。ビジョンAIを知ったとき、現実世界が大好きな映画『ターミネーター』のように見えて、とてもわくわくしました。」

今後、Ultralytics YOLOv5を使ってどのようなプロジェクトに取り組みたいですか？#

「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アプリとして作りたいです。」Kayo氏がUltralytics YOLOv5を使って作成したほかの作品は、 LinkedIn と Twitter_._をご覧ください。

Ultralytics YOLOv5のユースケースをお持ちですか？#

このシマウマ検出のUltralytics YOLOv5活用事例は、YOLOv5が種を識別する能力の高さをよく示しています。このニューラルネットワークを他の種類の動物にも適用した場合、YOLOv5はそれらを見分けられるでしょうか。横断歩道の歩行者を検出したり、年間の作物収量を予測したりする場合、モデルはどれほど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。独自のYOLOv5活用事例をソーシャルメディアで#YOLOvMEを付けて投稿してください。MLコミュニティに向けて皆さんの成果を紹介します。

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

必要なのはアイデアだけです。Ultralytics Platformを使えば、YOLOv5で簡単にモデルを作成し、アイデアを実現できます。複雑なMLOpsはすべてこちらで対応し、シンプルに使えるようにしているため、AIを楽しむのにコードの知識は必要ありません。すぐに始められ、初めてのMLモデルも簡単に構築できます。

今すぐUltralytics Platformに参加して、AIの力を体験しましょう#

今すぐ始めて、登録しましょう！